Best Linear Recursive Estimation for Mixed Linear Models
混合线性模型的最佳线性递归估计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：摘要明确使用广义自回归过程与 Kalman 滤波开展递归估计，对应时间序列方法。
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
混合线性模型的最佳线性递归估计
- 研究问题
- 如何将固定模型和完全随机模型中的递归估计技术推广到混合线性模型，并处理随机因素服从广义自回归过程的情形？
- 方法与思路
- 作者先利用 Kalman 滤波为包含两部分随机因素的模型构造递归估计，其中第二因素服从广义自回归过程，再取极限。
- 材料陈述的贡献
- 摘要称，通过适当的极限处理可以导出混合线性模型的递推公式，从而扩展已有固定模型与完全随机模型的递归估计。
- 阅读关注点
- 应核对两部分随机模型的结构、广义自回归过程的定义、滤波所需协方差信息，以及极限处理如何产生混合模型递推。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明最佳线性的具体准则、模型条件、初始值或计算与应用表现。
原文摘要
Recursive estimation techniques for fixed and completely random models are extended to mixed linear models. The Kalman filter is used to obtain recursive estimators for a two-part random model where the second random factor obeys a generalized autoregressive process. By passing to the limit in an appropriate way, recursions for the mixed model are derived.