New Estimators of Disturbances in Regression Analysis
回归分析中扰动项的新估计量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：摘要明确讨论经济时间序列模型的扰动序列相关检验，直接对应时间序列方向。
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
回归分析中扰动项的新估计量
- 研究问题
- 能否构造替代最小二乘残差的扰动项估计，使序列相关检验统计量在正态条件下不依赖回归变量，并改善经济时间序列检验？
- 方法与思路
- 作者在事先指定协方差矩阵的线性无偏估计类中构造最优扰动估计，并研究基于该估计的 Von Neumann 比率及序列相关检验。
- 材料陈述的贡献
- 摘要称，正态条件下该比率的分布不依赖回归向量，可用于序列相关检验；作者提出改善已有检验的可能性，并指出可使用相关上界表。
- 阅读关注点
- 应核对扰动估计的无偏性与最优性定义、预设协方差矩阵的可行条件，以及比率分布和 Durbin–Watson 上界表的使用方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；最佳性限于指定估计类，检验改善只是作者提出的可能性，未给出普遍优势。
原文摘要
In this article, an alternative v for the vector û of least-squares residuals in the linear model is derived. It is best in the class of all linear unbiased estimators' of u having a certain fixed covariance matrix chosen a priori. Under the normality assumption, the distribution of the Von Neumann Ratio based on v is independent of the regression vectors, so that v is particularly useful for testing on serial correlation of the disturbances. It is pointed out that the existing tests for serial correlation in economic time-series models might be improved by using v based on an appropriate covariance matrix; the Durbin-Watson upper-bound tables can be used for this purpose.