Asymptotically Efficient Estimation of Covariance Matrices with Linear Structure
具有线性结构的协方差矩阵的渐近有效估计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：摘要明确将方法应用于时间序列中的有限移动平均模型。
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
具有线性结构的协方差矩阵的渐近有效估计
- 研究问题
- 当随机向量的协方差矩阵与均值具有已知基底、未知系数的线性结构时，如何估计这些系数并获得渐近效率？
- 方法与思路
- 作者在正态假设下建立最大似然方程，以逐步求解线性方程组迭代计算，并用一致初始估计构造方程系数。
- 材料陈述的贡献
- 摘要称，以一致估计构造的线性方程解具有渐近效率，并将相关广义最小二乘结论用于方差分量和有限移动平均模型。
- 阅读关注点
- 应核对线性结构的参数约束、初始估计的一致性条件、迭代计算步骤，以及渐近有效结论在两类应用中的适用范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法判断效率定理的完整条件、有限样本表现或迭代收敛保证，也不能推断刊本变化。
原文摘要
One or more observations are made on a random vector, whose covariance matrix may be a linear combination of known symmetric matrices and whose mean vector may be a linear combination of known vectors; the coefficients of the linear combinations are unknown parameters to be estimated. Under the assumption of normality, equations are developed for the maximum likelihood estimates. These equations may be solved by an iterative method; in each step a set of linear equations is solved. If consistent estimates of $\sigma_0, \sigma_1, \cdots, \sigma_m$ are used to obtain the coefficients of the linear equations, the solution of these equations is asymptotically efficient as the number of observations on the random vector tends to infinity. This result is a consequence of a theorem that the solution of the generalized least squares equations is asymptotically efficient if a consistent estimate of the covariance matrix is used. Applications are made to the components of variance model in the analysis of variance and the finite moving average model in time series analysis.