Estimation for a Linear Regression Model with Unknown Diagonal Covariance Matrix
未知对角协方差矩阵下的线性回归估计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：文本明确讨论分组异方差线性回归，未提供面板结构或其他所列领域的充分依据。
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
未知对角协方差矩阵下的线性回归估计
- 研究问题
- 当线性回归误差协方差为未知对角矩阵、各组内方差相同时，利用残差估计协方差的两步估计具有什么大样本性质？
- 方法与思路
- 先进行普通最小二乘回归，再用残差估计组内误差方差并实施广义最小二乘，研究组数增加时的渐近性质。
- 材料陈述的贡献
- 摘要称推导了该两步估计量在组数递增、组内观测数构成固定序列的设定下的大样本性质，提供分组异方差分析框架。
- 阅读关注点
- 应核对组内观测数固定序列的具体要求、残差方差估计方式，以及设计矩阵条件和组数增加下的极限结果。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；分组不等于面板设定，摘要未说明具体渐近分布、效率结论或有限样本表现。
原文摘要
A method of estimating the parameters of a linear regression model when the covariance matrix is an unknown diagonal matrix is investigated. It is assumed that the observations fall into $k$ groups with constant error variance for a group. The estimation is carried out in two steps, the first step being an ordinary least squares regression. The least squares residuals are used to estimate the covariance matrix and the second step is the calculation of the generalized least squares estimator using the estimated covariance matrix. The large sample properties of the estimator are derived for increasing $k$, assuming the numbers in the groups form a fixed sequence.