Parametric Augmentations and Error Structures under which Certain Simple Least Squares and Analysis of Variance Procedures are Also Best
使简单最小二乘与方差分析程序仍具最优性的参数扩充及误差结构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：摘要讨论一般线性模型的最小二乘最优性与方差分析，没有提供所列经济或金融细分模型的直接依据。
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
使简单最小二乘与方差分析程序仍具最优性的参数扩充及误差结构
- 研究问题
- 具有共同指定系统部分的线性模型，在什么条件下简单最小二乘估计仍具最优性，方差分析统计量又如何表现？
- 方法与思路
- 作者提出使每个线性简单最小二乘估计量仍为最优的条件，并讨论这些条件及较弱条件下均方与检验比的行为。
- 材料陈述的贡献
- 摘要称，论文给出相关最优性条件，并以示例说明普通方差分析表中均方和检验比在不同条件下的表现。
- 阅读关注点
- 应核对参数扩充与共同系统部分的含义、“最优”的比较类别，以及较弱条件能保留哪些方差分析性质。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；具体误差结构、最优性定义和检验分布未说明，不能将结论推广到任意线性模型。
原文摘要
Conditions are presented under which in all linear models with a common specified systematic part every linear simple least squares estimator is also best. The behaviour of mean squares and test ratios in ordinary analysis of variance tables under these and also less stringent conditions is discussed with illustrative examples given.