A Nonlinear Version of the Gauss-Markov Theorem
Gauss–Markov 定理的一个非线性版本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：摘要研究通用线性回归风险下界，未提供所列经济计量细分方向的直接依据。
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
Gauss–Markov 定理的一个非线性版本
- 研究问题
- 在线性回归模型中，允许估计量为非线性函数后，在哪些误差分布和估计量类别下仍存在 Gauss–Markov 型风险下界？
- 方法与思路
- 作者对某一类非线性系数估计量研究风险矩阵，在误差服从具有二阶矩的椭圆对称分布时建立矩阵下界。
- 材料陈述的贡献
- 摘要称，在所指定的估计量类别与误差分布下，风险矩阵的下界为 Gauss–Markov 估计量的协方差矩阵。
- 阅读关注点
- 重点核对非线性估计量类别的限制、风险矩阵定义及矩阵比较意义，明确椭圆对称与二阶矩在证明中的作用。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；估计量类别的具体限制未说明，不能推断最小二乘优于所有非线性估计量。
原文摘要
This article gives a nonlinear version of the Gauss—Markov theorem. It is shown that in a linear regression model y = Xβ + u, the lower bound for the risk matrix of a nonlinear estimator of β belonging to a certain class is the covariance matrix of the Gauss—Markov estimator, provided the distribution of error term u belongs to the class of elliptically symmetric distributions with second moments.