Gauss-Markov Estimation for Multivariate Linear Models with Missing Observations
缺失观测多元线性模型中的高斯—马尔可夫估计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：摘要讨论多元线性模型中估计量存在的通用理论条件，未提供所列细分方向的直接依据。
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
缺失观测多元线性模型中的高斯—马尔可夫估计
- 研究问题
- 在允许缺失观测及奇异协方差的多元线性模型中，高斯—马尔可夫估计量何时存在，均值空间需要满足哪些结构限制？
- 方法与思路
- 作者采用无坐标表述，先推导协方差可奇异时估计量存在的条件，再考察缺失观测下协方差属于一般或对角半正定类的模型。
- 材料陈述的贡献
- 摘要称将既有多元线性模型结果推广至缺失观测情形，刻画不同协方差类所需的均值空间条件，并用例子说明条件较为特殊。
- 阅读关注点
- 应核对高斯—马尔可夫估计量的定义、缺失观测映射与均值空间限制；摘要中协方差记号的具体含义应查原文确认。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；协方差公式记号需查原文核对，不能重构公式或将特殊存在条件推广到一般缺失机制。
原文摘要
In this note we discuss multivariate linear models from the coordinate-free point of view, as earlier done by Eaton (1970). We generalize the result of Eaton by allowing for missing observations. This leads to models of the kind $EY \in L, Cov Y \in\{P(I \otimes \sum)P'\}$ where $P$ is a diagonal mapping. The paper starts by deriving the conditions for existence of Gauss-Markov estimators (GME) of $EY$ in models where the covariance-mappings are not necessarily nonsingular. These conditions are then applied to the above models if $\Sigma$ runs either over all PSD-mappings or over all diagonal PSD-mappings. In the latter case $L$ must be of the form $L = L_1 \times \cdots \times L_p$ while in the general case some further conditions on the $L_i$ must be met. (If $P = I$, then $L_i = L_j$ must hold for all $i, j$; this is equivalent to the result obtained by Eaton). Examples show that these conditions are satisfied only under rather exceptional conditions.