Finite Sample Efficiency of Ordinary Least Squares in the Linear Regression Model with Autocorrelated Errors
自相关误差线性回归中普通最小二乘的有限样本效率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：摘要以平稳一阶自回归误差为核心，研究序列相关对回归效率的影响，归入时间序列。
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
自相关误差线性回归中普通最小二乘的有限样本效率
- 研究问题
- 在线性回归误差服从平稳一阶自回归过程时，普通最小二乘相对 Gauss–Markov 估计量的效率如何受设计矩阵影响？
- 方法与思路
- 作者考察给定设计矩阵下两种估计量的相对效率，并简要讨论在重复抽样中固定设计矩阵的补充模拟实验。
- 材料陈述的贡献
- 摘要称，相对效率很大程度上取决于观测到的设计矩阵；在某些实际重要情形中，普通最小二乘效率随相关增强而提高。
- 阅读关注点
- 应核对相对效率的定义、导致效率提高的设计矩阵特征，以及固定或改变设计矩阵对模拟结论的影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；效率提高的具体情形和数值幅度未说明，不能推广为普遍规律。
原文摘要
In the standard linear regression model y = X β + u, with errors following a first-order stationary autoregressive process, it is shown that the relative efficiency of the ordinary least squares (OLS) as compared with the Gauss-Markov estimator depends to a great extent on the X matrix observed. In particular, it is seen that the relative efficiency of OLS increases with increasing correlation for certain cases important in practice. Since this seems to run contrary to what one should expect on the basis of previous Monte Carlo studies, some additional sampling experiments are also briefly discussed that keep the X matrix fixed in repeated runs.