An Algorithm for Obtaining the Zero of a Function of the Dispersion Matrix in Multivariate Analysis
多元分析中求解离散程度矩阵函数零点的算法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：摘要研究多元正态协方差估计的计算算法，没有所列经济计量细分领域的直接依据。
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
多元分析中求解离散程度矩阵函数零点的算法
- 研究问题
- 当多元正态实验按设计在不同实验单位子组中省略部分分量测量时，如何迭代求得协方差矩阵的最大似然估计？
- 方法与思路
- 作者提出基于Newton–Raphson方法的迭代程序，摘要指出算法在正文第五节详细展开，并用一种特殊实验设计说明步骤。
- 材料陈述的贡献
- 摘要明确提供针对这种有意缺测设计的协方差最大似然计算程序，并给出示例设计和若干应用方向，但未报告性能比较。
- 阅读关注点
- 应核对缺测设计如何进入似然、协方差参数化与正定约束、迭代初始化，以及解的存在性、唯一性和收敛判据。
- 阅读边界
- 仅依据版本未注明的OpenAlex索引摘要；摘要未说明收敛保证或一般缺失机制，不能将有意省略测量推广为任意缺失数据。
原文摘要
This paper is devoted to a discussion of an iterative procedure for obtaining the maximum likelihood estimator of the covariance matrix for multivariate experiments in which measurements on certain components of a normal vector random variable are intentionally omitted in corresponding subgroups of the experimental units. The proposed algorithm, which is based on the Newton-Raphson method, is outlined in detail in Section 5. A special design is included to illustrate the procedure and a few areas of application are indicated.