Best Linear Unbiased Prediction in the Generalized Linear Regression Model
广义线性回归模型中的最佳线性无偏预测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：摘要属于一般相关扰动回归的预测理论，未明确宏观时间序列或金融预测背景。
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
广义线性回归模型中的最佳线性无偏预测
- 研究问题
- 研究回归扰动存在相互依赖时，样本残差包含的信息如何用于样本后的观测预测，以及忽略这些信息会有何影响。
- 方法与思路
- 作者利用扰动相互依赖使残差能够携带预测信息这一特点，推导最佳线性无偏预测器，并与通常的期望值估计方式比较。
- 材料陈述的贡献
- 摘要称所推导预测器利用了常被忽略的残差信息，相比通常的期望值估计方式可能显著提高效率，但未给出具体幅度。
- 阅读关注点
- 应核对样本内外扰动的依赖结构如何设定、预测目标与无偏性的定义，以及最佳性的比较范围和参数未知时的实现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法确定依赖结构是否已知及效率增益条件；题名中的 generalized 不应据此解释为现代 GLM。
原文摘要
When interdependence of disturbances is present in a regression model, the pattern of sample residuals contains information which is useful in prediction of post-sample drawings. This information, which is often overlooked, is exploited in the best linear unbiased predictor derived here. The gain in efficiency associated with using this predictor instead of the usual expected value estimator may be substantial.