A Note on the Efficiency of Least-Squares Estimates
关于最小二乘估计效率的一则札记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：摘要属于一般线性回归效率理论，未涉及因果识别、面板结构或其他指定领域，现有文本不足以支持细分分类。
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
关于最小二乘估计效率的一则札记
- 研究问题
- 在误差独立同分布且均值为零的线性模型中，已指定误差分布时，最小二乘相对最大似然估计的渐近效率如何计算？
- 方法与思路
- 作者针对与总体均值正交的回归参数分析相对渐近效率，并对 Edgeworth 级数、Pearson VII 型及对数伽马分布显式计算。
- 材料陈述的贡献
- 摘要称所研究回归参数的相对渐近效率不依赖设计矩阵，并提供三类误差分布下的显式计算，未报告一般有限样本结论。
- 阅读关注点
- 应核对参数与总体均值正交的具体定义、误差分布未知参数的处理，以及设计矩阵无关性和效率计算成立的正则条件。
- 阅读边界
- 仅据所给 Crossref 摘要版本；具体效率数值与正则条件未提供，结论限于所述参数及渐近比较，不能外推到所有回归参数。
原文摘要
Summary A linear model is considered in which errors are independent and identically distributed with zero mean. If the error distribution is specified, except possibly for unknown parameters, the asymptotic efficiency of least-squares estimates relative to maximum-likelihood estimates can be found. For regression parameters orthogonal to the general mean the asymptotic efficiency, which is independent of the design matrix, is calculated explicitly for an Edgeworth series, for a Pearson Type VII distribution and for a log gamma distribution.