Exact Linear Restrictions on Parameters in the General Linear Model with a Singular Covariance Matrix
协方差矩阵奇异的一般线性模型中的精确线性参数约束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：摘要属于受约束线性模型的一般估计理论，没有面板或其他所列领域的直接证据。
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
协方差矩阵奇异的一般线性模型中的精确线性参数约束
- 研究问题
- 在误差协方差矩阵已知且奇异、参数受精确线性约束的线性模型中，两种最优性标准是否导向同一线性无偏估计？
- 方法与思路
- 作者分别考察最小期望二次损失和最小广义方差两个准则，研究带参数约束与奇异误差协方差的线性估计问题。
- 材料陈述的贡献
- 摘要称，这两个操作性最优准则导向同一估计量，即 Theil 已发展的最小二乘估计量，并未宣称提出全新估计量。
- 阅读关注点
- 应核对约束的相容性、设计矩阵与协方差矩阵的秩条件，以及两种最优准则、估计量唯一性的准确含义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；无法核实刊本内容。摘要未给出矩阵条件或估计公式，不能推断任意奇异情形下均存在唯一解。
原文摘要
An attempt is made to develop a best linear unbiased estimator of β in the model y = Xβ + u, with known singular covariance matrix V of u and restrictions on β. Two operational criteria for optimality are considered: minimum expected quadratic loss and minimum generalized variance. It is shown that these criteria lead to the same estimator, the well-known least-squares estimator, as developed by Theil (1971).