On the Efficiency of Ordinary Least-Squares in Regression Models
回归模型中普通最小二乘估计的效率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：摘要讨论通用线性回归效率，经济应用和虚拟变量不足以确定面板或因果推断分类。
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
回归模型中普通最小二乘估计的效率
- 研究问题
- 研究具有共同解释变量子集的一组回归模型中，普通最小二乘估计何时同时也是最佳线性无偏估计。
- 方法与思路
- 作者给出上述性质的充要条件，推导最小二乘方差与协方差估计的随机性质，并讨论五个经济应用相关例子。
- 材料陈述的贡献
- 摘要称提供普通最小二乘具有最佳线性无偏性的条件，并强调该结果对含一组虚拟变量的回归模型的意义。
- 阅读关注点
- 阅读全文应核对充要条件的矩阵表述、误差结构要求、方差估计的性质，以及虚拟变量模型如何满足条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出充要条件或五个例子的结构，不能推断其适用模型。
原文摘要
For all regression models containing a common subset of explanatory variables, a necessary and sufficient condition for the ordinary least-squares estimators to be also best linear-unbiased estimators is given. The stochastic properties of the variances and covariances estimated by ordinary least-squares are derived. Five examples, especially useful in economic applications, are studied. The relevance of the basic result of this article for regression models containing a set of dummy variables is stressed.