Prediction and the efficiency of least squares
预测与最小二乘的效率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：摘要研究一般线性模型的估计与预测效率，未提供宏观预测或金融预测的直接依据。
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
预测与最小二乘的效率
- 研究问题
- 在设计矩阵和误差协方差矩阵秩任意的线性模型中，最小二乘何时等同于最佳线性无偏估计或相应的最佳线性预测？
- 方法与思路
- 作者研究设计矩阵行空间内参数部分的估计与新响应的线性预测，刻意避免广义逆及可估线性函数，给出相等条件。
- 材料陈述的贡献
- 摘要称相关估计具有唯一性，并给出最小二乘与最佳线性估计或预测相等的充要条件，讨论条件近似满足的实用意义。
- 阅读关注点
- 应核对任意秩条件下唯一性的对象、估计与预测的区别，以及各项充要条件；预测比较对象的符号须查原PDF。
- 阅读边界
- 版本未注明的OpenAlex摘要末段预测对象符号疑似损坏，须查原PDF；不能重构公式，也无法判断近似满足时的效率损失。
原文摘要
The general linear model y = Xβ + u is considered when the ranks of X and Γ, the error covariance matrix, are arbitrary. The least squares and best linear unbiased estimators of the part of β in the row space of X are shown to be unique. Necessary and sufficient conditions are given for these estimators to be identical. The treatment deliberately avoids the use of generalized inverses and estimable linear functions. The best linear predictor of y0 = x0’β+ u0 from the general linear model y = Xβ + u is studied. Necessary and sufficient conditions for the equality of the best linear predictor of y0 and the least squares estimator of X’q P are given. The conditions may be approximately satisfied in practice so that the simpler least squares estimator could then be used.