Covariance Matrix Estimation in Linear Models
线性模型中的协方差矩阵估计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：摘要研究通用线性模型的误差协方差估计，未指定面板、时间序列或金融波动模型。
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
线性模型中的协方差矩阵估计
- 研究问题
- 在回归误差存在异方差或相关性时，若只知道协方差矩阵的结构形式，而非完整数值，如何估计其中未知方差与协方差？
- 方法与思路
- 作者仅假定误差协方差矩阵具有指定结构，例如对角或块对角形式，将回归残差平方与乘积等二次型同其期望匹配并求解。
- 材料陈述的贡献
- 摘要称，文章放松协方差矩阵已知至多相差一个标量的通常假定，给出基于残差二次型的估计方法，并用数值例子说明。
- 阅读关注点
- 应核对结构约束如何确定未知参数、残差二次型期望的推导，以及方程可解性与所得协方差矩阵有效性的处理。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；可解条件、估计性质及数值表现未说明，不能据此推断一般一致性或刊本变化。
原文摘要
In regression analysis with heteroscedastic and/or correlated errors, the usual assumption is that the covariance matrix σ of the errors is completely specified, except perhaps for a scalar multiplier. This condition is relaxed in this paper by assuming only that σ has a certain pattern; for example, that σ is diagonal or partitionable into a diagonal matrix of sub-matrices. The method used for estimating σ is the standard procedure of equating certain quadratic forms of the observations (in this case, squares and products of residuals from regression) to their expectations, and solving for the unknown variances and covariances. A numerical example illustrates the method.