Strong Consistency of Least Squares Estimators in Linear Regression Models
线性回归模型中最小二乘估计量的强相合性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：摘要明确将强相合性结果应用于自回归过程的参数估计，直接涉及时间序列理论。
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
线性回归模型中最小二乘估计量的强相合性
- 研究问题
- 当解释变量具有随机性，且误差与解释变量之间存在特定时序或正交关系时，最小二乘估计何时具有强相合性？
- 方法与思路
- 作者分别研究鞅差误差配合预定解释变量，以及误差和解释变量二阶正交的情形，再将结果应用于自回归参数估计。
- 材料陈述的贡献
- 摘要称证明了上述回归情形的强相合性，并在自回归应用中给出误差满足四阶准独立条件时的强相合结果。
- 阅读关注点
- 核对随机设计矩阵的增长条件、矩条件和预定性的定义，尤其区分二阶正交与四阶准独立在不同结果中的作用。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；完整矩条件和设计条件未说明，不能认为摘要列出的误差性质单独就足够。
原文摘要
For the linear regression model $y = X \beta + u$ with stochastic regressor matrix, strong consistency of the least squares estimator of $\beta$ is proved in the case of martingale difference errors and predetermined regressors and for the case where errors and regressors are orthogonal up to the second order. The results obtained are applied to parameter estimation in autoregressive processes, leading to strong consistency if the errors are quasi-independent up to the fourth order.