Symmetry, 0-1 Matrices and Jacobians: A Review
对称性、0–1 矩阵与雅可比矩阵：综述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：摘要主要整理矩阵代数和微分工具，没有足够文本依据归入所列经济计量应用细分。
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
对称性、0–1 矩阵与雅可比矩阵：综述
- 研究问题
- 如何系统运用 Kronecker 积、vec 算子及特定 0–1 矩阵，处理对称矩阵参数的求导与似然信息矩阵计算？
- 方法与思路
- 作者整理 Kronecker 积与 vec 的性质，选择性讨论交换、幂等和重复矩阵，并用微分法计算导数与雅可比行列式。
- 材料陈述的贡献
- 摘要称，文中汇集相关矩阵工具，给出处理对称矩阵自变量的一阶、二阶求导方法，并讨论正定矩阵参数的信息矩阵。
- 阅读关注点
- 应核对 vec 的排列约定、各矩阵的维度与定义，以及对称或正定约束下自由参数坐标和导数计算的对应方式。
- 阅读边界
- 仅依据所给 Crossref 摘要，无法核验恒等式、推导和例题；这是矩阵方法综述，摘要未说明具体经济应用或新估计量。
原文摘要
In this paper we bring together those properties of the Kronecker product, the vec operator, and 0-1 matrices which in our view are of interest to researchers and students in econometrics and statistics. The treatment of Kronecker products and the vec operator is fairly exhaustive; the treatment of 0–1 matrices is selective. In particular we study the “commutation” matrix K (defined implicitly by K vec A = vec A′ for any matrix A of the appropriate order), the idempotent matrix N = ½ ( I + K ), which plays a central role in normal distribution theory, and the “duplication” matrix D , which arises in the context of symmetry. We present an easy and elegant way (via differentials) to evaluate Jacobian matrices (first derivatives), Hessian matrices (second derivatives), and Jacobian determinants, even if symmetric matrix arguments are involved. Finally we deal with the computation of information matrices in situations where positive definite matrices are arguments of the likelihood function.