Least-Squares Efficiency for Vector Time Series
向量时间序列中最小二乘估计的效率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：题名明确涉及向量时间序列，摘要讨论回归系统的最小二乘效率，直接对应时间序列方向而非特定冲击识别。
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
向量时间序列中最小二乘估计的效率
- 研究问题
- 回归系统中参数矩阵的最小二乘估计在什么情形下渐近有效，施加线性约束又如何影响这种效率结论？
- 方法与思路
- 作者将已有的回归系统最小二乘效率定理改写为更简单的形式并加以扩展，同时证明涉及线性约束的效率定理。
- 材料陈述的贡献
- 摘要称简化并扩展了已有渐近效率结果，另给出线性约束下的效率定理；后者并非专属于时间序列问题。
- 阅读关注点
- 核对回归系统的误差依赖结构、效率比较基准及渐近框架，并区分时间序列部分与一般线性约束结果的适用条件。
- 阅读边界
- 所给 Crossref 摘要未列出定理条件和约束形式，不能据此断言某个实际向量时间序列模型中的最小二乘估计有效。
原文摘要
Summary A theorem due to Rosenblatt (1959) concerning the circumstances under which least squares is asymptotically efficient for the estimation of the matrix of regression parameters in a system of regressions is re-formulated in a simpler form and is extended. A theorem is proved relating to the efficiency of least squares under linear constraints which is not specifically of a time series nature.