Some Further Notes on Disturbance Estimates in Regression Analysis
回归分析中扰动估计的进一步讨论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：摘要明确指出 BLUS 扰动估计服务于时间序列研究，并可用于检验扰动自相关，直接对应时间序列方向。
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
回归分析中扰动估计的进一步讨论
- 研究问题
- 一般线性模型中的 BLUS 扰动估计如何理解、计算和检验，其与通常最小二乘残差的关系是什么？
- 方法与思路
- 作者重新表述 Theil 的扰动估计问题，给出计算核验方法，与最小二乘估计比较，并推导若干特殊情形。
- 材料陈述的贡献
- 摘要称，研究提供不同的问题表述、计算检查及特殊情形解析结果，并指出 BLUS 可用于扰动自相关检验。
- 阅读关注点
- 应核对 BLUS 的构造与协方差性质成立的条件、计算核验规则，以及用于自相关检验时的具体步骤和限制。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未提供检验表现或完整模型条件，不能认定其普遍优于残差。
原文摘要
For the well-known general linear model Theil has recently developed the so-called best linear disturbance estimates with a covariance matrix equal to σ2 I. In this article we give a slightly different formulation of his problem which may give us some more insight in this estimation procedure. An important check on the computations of these estimates is given, as well as a comparison of these estimates with the commonly used least-squares estimates. For some special cases the BLUS estimates are analytically derived. The BLUS estimates are important for research workers who deal with time series because these estimates can be used to test auto-correlation among the disturbances.