How Much Do Gauss-Markov and Least Square Estimates Differ? A Coordinate-Free Approach
Gauss–Markov 与最小二乘估计相差多少？无坐标方法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量差异与效率界，未明确对应面板、因果或其他所列细分。
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 与最小二乘估计相差多少？无坐标方法
- 研究问题
- 在线性模型的观测协方差算子非奇异时，最小二乘与最小方差线性无偏估计相差多少，又如何界定最小二乘效率？
- 方法与思路
- 作者采用无坐标方法，推导两类估计量差异的简洁表达，并据此建立差异的界和级数展开以及最小二乘效率界。
- 材料陈述的贡献
- 摘要明确给出估计差异的表达式、界与级数展开，并提供最小二乘效率的界；未报告具体数值或实证比较。
- 阅读关注点
- 应核对协方差算子和估计空间的设定、差异界采用的度量、级数展开的条件，以及效率界何时有实际约束力。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，具体公式与完整模型条件未提供，不能判断界的紧致性或协方差未知时的适用性。
原文摘要
A simple expression is developed for the difference between the least squares and minimum variance linear unbiased estimators obtained in linear models in which the covariance operator of the observation vector is nonsingular. Bounds and series expansion for this difference are obtained, and bounds for the efficiency of least squares estimates are also obtained.