A Note on Conditional Prediction in the Multivariate Linear Model
多元线性模型条件预测的一则注记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：这里的预测针对多元向量缺失分量，未明确涉及宏观预测、时间序列或金融收益预测。
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
多元线性模型条件预测的一则注记
- 研究问题
- 在利用向量已观测分量预测未观测分量时，协方差结构的估计误差会使通常最小二乘预测的均方误差增加多少？
- 方法与思路
- 作者研究多元线性模型中的条件预测，推导协方差结构估计误差引起的最小二乘预测均方误差增量的精确表达式。
- 材料陈述的贡献
- 摘要称，精确表达式显示小样本中的预测误差增量相当可观，从而揭示估计协方差结构对条件预测精度的影响。
- 阅读关注点
- 应核对预测向量与估计样本之间的关系、协方差估计方式，以及精确误差表达式的分布条件和小样本适用范围。
- 阅读边界
- 仅据 Crossref 摘要；未提供精确表达式、样本规模或分布条件，不能据此量化误差增量或推定适用于时间预测。
原文摘要
SUMMARY In this paper we investigate the effects of errors in the estimation of the covariance structure of a multivariate random vector on the prediction of unobserved components of a further vector conditional on the values of the remaining observed components of the vector. We derive an exact expression for the increase in the mean square error of the usual least squares predictor due to these estimation errors which shows that the increase is substantial for small samples.