Multiple Regression with Stationary Errors
具有平稳误差的多元回归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：摘要明确研究平稳相关误差、误差谱及傅里叶变换，直接对应时间序列中的相关结构与频域方法。
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
具有平稳误差的多元回归
- 研究问题
- 回归误差存在平稳相关结构时，如何联合估计回归系数与误差谱，并改善系数估计及其协方差估计？
- 方法与思路
- 作者提出实用计算程序，对观测及回归向量作有限傅里叶变换，联合估计回归系数和误差的频谱结构。
- 材料陈述的贡献
- 摘要称，该程序在普通最小二乘低效时可逼近最小方差线性无偏估计，并通常改善系数协方差矩阵估计。
- 阅读关注点
- 应核对误差谱的估计方式、平稳性及其他条件，以及所称逼近和协方差估计改善采用何种衡量标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未给出逼近条件和误差界，不能认定任意平稳误差下都有改进。
原文摘要
A practical computing technique is presented for the joint estimation of regression coefficients and the error spectrum in regression problems with stationary errors. In problems where unweighted least squares is not efficient, the procedure gives an estimate approaching the minimum variance linear unbiased estimate. Whether unweighted least squares is nearly efficient or not efficient, the procedure, in general, gives a much closer estimate of the covariance matrix of the estimated regression coefficients. The proposed approach, which involves the finite Fourier transformation of the observations and regression vectors, gives a useful intuitive understanding of the effects of correlated errors on regression.