Efficiency of Least-Squares Estimation of Linear Trend when Residuals Are Autocorrelated
残差自相关时线性趋势最小二乘估计的效率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：题名涉及线性趋势，摘要明确讨论一阶平稳自相关误差及估计效率，支持归入时间序列。
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
残差自相关时线性趋势最小二乘估计的效率
- 研究问题
- 残差具有一阶平稳自相关时，线性趋势参数的最小二乘估计相对有效率如何，其效率下界与其他估计方法有何差异？
- 方法与思路
- 摘要片段设定零均值的一阶平稳 Markov 误差过程，比较最小二乘与 Cochrane–Orcutt 估计相对 Gauss–Markov 估计的效率下界。
- 材料陈述的贡献
- 摘要报告最小二乘估计的相对效率下界为 0.753763，另给出 Cochrane–Orcutt 估计的 0.535898；适用区间需核对原文记号。
- 阅读关注点
- 阅读时应核对趋势参数的定义、相对效率的计算方式、下界对应的样本范围及自相关区间，并确认两种估计量采用的边界处理。
- 阅读边界
- 所给摘要首句、参数符号和区间记号存在残缺；仅凭片段不能确认完整模型条件、下界适用范围或实际样本中的效率表现。
原文摘要
first-order stationary Markoff process with zero mean and autocorrelation coefficient p, - 1 < p < 1, the greatest lower bound for the efficiency of the least-squares estimator of 8 (relative to the Gauss-Markoff estimator) over the interval 0;p < 1 is .753763. This compares with a greatest lower bound of .535898 for the relative efficiency of the Cochrane-Orcutt estimator of 38.