Miscellanea. From unbiased linear estimating equations to unbiased estimators
从无偏线性估计方程到无偏估计量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：摘要明确以一阶自回归模型为主要应用，直接支持时间序列方向。
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
从无偏线性估计方程到无偏估计量
- 研究问题
- 由无偏线性估计方程求解得到的估计量为何仍可能有偏，如何计算其精确偏差，并实施可行的偏差校正或预防？
- 方法与思路
- 作者将估计量的精确偏差表示为一个收敛序列，据此提出可计算的校正措施，并讨论与 Firth 偏差预防方法的联系。
- 材料陈述的贡献
- 摘要称，提出新的精确偏差公式和计算上直接的可行校正，主要应用于一阶自回归模型，并连接偏差校正与预防思路。
- 阅读关注点
- 核对偏差序列的收敛条件、实施时未知量的处理、校正后的偏差性质，以及一阶自回归模型中的边界和初值设定。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；公式与实施条件未提供，不能仅因估计方程无偏就认定其解或可行校正结果严格无偏。
原文摘要
We suggest in this paper bias correction and prevention measures for the estimator defined as a solution to an unbiased linear estimating equation. A new formula for the exact bias of this estimator is presented and is expressed as a convergent sequence. Feasible exact bias correction based on the formula is computationally straightforward. Connections to Firth's (1993) device of bias prevention are drawn. The primary application is to the first-order autoregression model.