Global Sensitivity Results for Generalized Least Squares Estimates
广义最小二乘估计的全局敏感性结果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：摘要讨论通用回归估计对协方差与权重的敏感性，没有明确的面板、因果或金融应用依据。
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
广义最小二乘估计的全局敏感性结果
- 研究问题
- 当回归残差协方差矩阵在给定范围内变化时，广义最小二乘估计能变化多大，极端重加权的影响如何衡量？
- 方法与思路
- 作者将残差协方差矩阵表示为单位矩阵加扰动矩阵，通过限制扰动识别估计值集合，并联系通常的 t 统计量。
- 材料陈述的贡献
- 摘要称刻画了受约束的广义最小二乘估计集合及其极端值，并给出观测权重最多相差两倍时的影响度量。
- 阅读关注点
- 应核对矩阵上界的含义、协方差可行性、极端估计的推导，以及重加权限制与影响度量之间的关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；影响量公式的指数排版不清，需查原 PDF，不能据此重构或计算；也不能推断刊本变化。
原文摘要
The covariance matrix for the residuals of a regression process is written as the identity matrix plus a matrix V. The matrix V is bounded from above, and the corresponding set of generalized least squares estimates is identified. The extreme estimates in this set are functions of the usual t statistics; in particular the number ((T - k)/8)1/2/|t| measures the influence of reweighting extreme observations, where T - k gives the degrees of freedom, t is the t statistic, and the weights on observations are allowed to vary by a factor of at most 2.