On modified maximum likelihood estimators of the autocorrelation coeffcient in linear models
线性模型自相关系数的修正最大似然估计量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：摘要直接研究一阶相关误差、自相关系数估计及自相关检验，属于时间序列相关结构分析。
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
线性模型自相关系数的修正最大似然估计量
- 研究问题
- 在线性模型误差具有一阶马尔可夫相关时，两种最大似然近似估计量的偏差、方差和自相关检验功效表现如何？
- 方法与思路
- 摘要称，作者通过蒙特卡洛研究比较两种既有近似估计量与精确最大似然估计，并考察替代标准 Durbin–Watson 统计量的表现。
- 材料陈述的贡献
- 摘要报告，一种近似估计量在所考察情形下偏差绝对值及方差较小、检验功效较高；另一种虽方差小，但偏差严重。
- 阅读关注点
- 应核对两种估计量的构造、模拟样本量和参数范围，并检查功效比较是否控制检验尺寸以及初始误差如何处理。
- 阅读边界
- 仅据版本未注明的索引摘要，未提供模拟设计和数值结果；摘要中的比较不能视为对所有参数与样本量的统一优势证明。
原文摘要
Two approximations to the maximum likelihood estimiator of the autocorrelation coefficient in first-order Markov disturbances in a linear model have been previously suggested by Durbin & Watson. A Monte Carlo study shows that one of these estimators is less absolutely biased and has smaller variance than the exact maximum likelihood estimator. Further, this estimator exhibits greater power in tests of autocorrelation when used in place of the standard Durbin-Watson statistic. The second estimator, while having very small variance, is severely biased and of little use in power considerations.