Estimating Heteroscedastic Variances in Linear Models
线性模型中的异方差方差估计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：摘要研究一般线性模型的异方差估计，没有足够证据归入波动率或其他应用细分。
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…
线性模型中的异方差方差估计
- 研究问题
- 在 Gauss–Markov 线性模型中，如何估计未知的异方差方差，使计算较为经济，并兼顾估计值的正性与均方误差？
- 方法与思路
- 作者提出可视为 MINQUE 近似的方差估计方法，陈述其近乎无偏性质，与其他估计量比较，并讨论更一般模型的扩展。
- 材料陈述的贡献
- 摘要称该近似方法能够节省计算、产生正的方差估计并降低均方误差，同时给出估计量性质及与其他方法的比较。
- 阅读关注点
- 应核对方差结构与可识别条件、MINQUE 近似步骤、正性和近乎无偏性质的成立范围，以及均方误差比较所用基准。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；模型公式存在缺失，需查原 PDF，不能补造误差协方差结构或断言所有情形均改进。
原文摘要
We describe an estimator of heteroscedastic variances in the Gauss-Markov linear model where E(ε) = 0 and with σ i 2 and unknown. It may be thought of as an approximation to the MINQUE method which results in computational economy, positive estimates, and decreased mean square error. Properties of this almost unbiased estimator are stated. It is compared with other estimators, and extensions to more general models are discussed.