On the Optimality of Some Tests of the Error Covariance Matrix in the Linear Regression Model
线性回归模型中若干误差协方差矩阵检验的最优性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：摘要明确研究序列相关检验及Durbin–Watson检验的性质，支持时间序列方向，其异方差部分则属于一般回归理论。
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
线性回归模型中若干误差协方差矩阵检验的最优性
- 研究问题
- 检验线性回归误差协方差结构时，点最优、局部最优及渐近最优检验之间有何关系，常用检验满足哪些最优性标准？
- 方法与思路
- 作者利用条件分布研究相似检验的最优性，推导局部最优版本，并提出渐近最优相似及渐近最优无偏相似检验标准。
- 材料陈述的贡献
- 摘要称，点最优检验具有最强相似检验性质；双侧Durbin–Watson与双侧LM检验分别针对序列相关和异方差满足ABUS标准。
- 阅读关注点
- 应核对相似性的定义与条件化对象、局部备择和渐近标准，以及两种常用双侧检验获得所述最优性的模型限制。
- 阅读边界
- 仅据Crossref摘要，最优性是特定相似检验标准下的结论；未说明完整误差分布条件，也不代表所有备择下功效最高。
原文摘要
SUMMARY This paper adopts the approach of conditional distributions to investigate the optimality of some tests of the error covariance matrix in the linear regression model. Specifically, we show that point optimal tests, advocated by King and Evans and King, are the most powerful similar test. We also derive the locally best similar and the locally best unbiased similar tests. Finding the latter cumbersome to apply, we then propose the asymptotically best similar and the asymptotically best unbiased similar (ABUS) tests as alternative criteria. We show that the two-sided Durbin–Watson test is ABUS against serial correlation and that the two-sided Lagrange multiplier test is ABUS against heteroscedastic disturbances.