Estimation of Parameters in Time-Series Regression Models
时间序列回归模型的参数估计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：摘要直接研究滞后因变量与自回归误差下的回归估计，属于时间序列方法。
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
时间序列回归模型的参数估计
- 研究问题
- 含滞后因变量的线性回归中，最小二乘估计具有什么最优与渐近性质，自回归误差模型又应如何估计？
- 方法与思路
- 作者发展最佳无偏线性估计方程的概念，分析含滞后因变量模型的最小二乘法，并为无滞后因变量的自回归误差模型提出方法。
- 材料陈述的贡献
- 摘要称正态误差下最小二乘具有所述最优性质，非正态时也具有所述渐近性质，另一个模型的估计方法具有大样本有效性。
- 阅读关注点
- 阅读时应核对最优性的比较范围、误差和动态模型条件，以及含滞后因变量与自回归误差两类模型的区别。
- 阅读边界
- 仅据所给 Crossref 摘要；未给出完整模型条件，不能将最小二乘最优性推广到任意动态回归或任意相关误差情形。
原文摘要
Summary We consider the estimation of the coefficients in a general linear regression model in which some of the explanatory variables are lagged values of the dependent variable. For discussing optimum properties the concept of best unbiased linear estimating equations is developed. It is shown that when the errors are normally distributed the method of least squares leads to optimum estimates. The properties of the least-squares estimates are shown to be the same asymptotically as those of the least-squares coefficients of ordinary regression models containing no lagged variables, whether or not the errors are normally distributed. Finally, a method of estimation is proposed for a different model which has no lagged dependent variables but in which the errors have an autoregressive structure. The method is shown to be efficient in large samples.