A Constrained Least Squares Approach to the General Gauss-Markov Linear Model
一般 Gauss–Markov 线性模型的约束最小二乘方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般线性模型的估计与数值计算，未提供可归入具体经济或金融细分方向的依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
一般 Gauss–Markov 线性模型的约束最小二乘方法
- 研究问题
- 在不额外限制设计矩阵与协方差矩阵的一般 Gauss–Markov 模型中，如何直接求取可估函数的最佳线性无偏估计并稳定计算？
- 方法与思路
- 作者将参数估计写成带约束的线性最小二乘问题，通过求解得到可估函数的 BLUE，并利用矩阵分解构造数值稳定的算法。
- 材料陈述的贡献
- 摘要给出估计量、协方差和方差尺度估计的实用表达式，并称该计算方法比基于广义逆的方法更稳妥；未提供具体比较数值。
- 阅读关注点
- 应核对奇异设计与协方差矩阵下的约束构造、可估性判据和解的选择，以及矩阵分解如何保证稳定性和方差估计的成立条件。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。“无额外限制”仍处于协方差模型的基本框架内；摘要不足以判断各类数值问题上的优势。
原文摘要
The task of estimating the vector of parameters β in the general Gauss-Markov model (y, Xβ, σ2 W) with no restrictions on the design matrix X or the covariance matrix σ2 W is formulated as a constrained linear least squares problem. A BLUE of any estimable function of β is obtained directly by solving this problem. The use of matrix decompositions leads to numerically stable algorithms for computing the solution. The approach is theoretically easy and is shown to be computationally more sound than methods based on generalized inverses. Practical expressions for the desired estimators, their covariance matrices, and an estimator of σ2 are given.