Unbiased and Minimum-Variance Unbiased Estimation of Estimable Functions for Fixed Linear Models with Arbitrary Covariance Structure
任意协方差结构下固定线性模型可估函数的无偏与最小方差无偏估计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：摘要讨论一般线性模型的可估性与无偏估计理论，没有所列领域细分的充分依据。
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
任意协方差结构下固定线性模型可估函数的无偏与最小方差无偏估计
- 研究问题
- 固定线性模型的设计矩阵与协方差矩阵可能秩亏时，允许估计系数依赖数据，是否扩大可估函数集合或改善最小方差？
- 方法与思路
- 作者研究常数项与线性系数可依赖特定数据变换的估计类，并将其可估性和最小方差性质与严格线性无偏估计比较。
- 材料陈述的贡献
- 摘要称扩展后的无偏估计类确实更大，但可估线性函数集合不变；在指定列空间上，最小方差估计与严格线性最优者相同。
- 阅读关注点
- 应核对数据变换的定义、扩展估计类的范围，以及列空间限制为何必要，并检查最小方差结论的完整条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；矩阵关系中的符号含义和分布条件未充分解释，不能据此扩展结论或推断刊本变化。
原文摘要
Consider a general linear model for a column vector $y$ of data having $E(y) = X \alpha$ and $\operatorname{Var}(y) = \sigma^2H$, where $\alpha$ is a vector of unknown parameters and $X$ and $H$ are given matrices that are possibly deficient in rank. Let $b = Ty$, where $T$ is any matrix of maximum rank such that $TH = \phi$. The estimation of a linear function of $\alpha$ by functions of the form $c + a'y$, where $c$ and $a$ are permitted to depend on $b$, is investigated. Allowing $c$ and $a$ to depend on $b$ expands the class of unbiased estimators in a nontrivial way; however, it does not add to the class of linear functions of $\alpha$ that are estimable. Any minimum-variance unbiased estimator is identically [for $y$ in the column space of $(X, H)$] equal to the estimator that has minimum variance among strictly linear unbiased estimators.