Spatial Autocorrelation among Errors and the Relative Efficiency of OLS in the Linear Regression Model
误差的空间自相关与线性回归中 OLS 的相对效率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：摘要研究空间相关误差下的回归效率，没有明确的网络联系或干扰效应设定。
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
误差的空间自相关与线性回归中 OLS 的相对效率
- 研究问题
- 线性回归误差存在空间自相关时，OLS 相对 GLS 的效率如何随相关程度变化，强相关极限能否反映实际效率损失？
- 方法与思路
- 作者利用空间依赖矩阵最大特征值对应的特征向量及其与设计矩阵列空间的关系，分析相对效率极限并给出例子。
- 材料陈述的贡献
- 摘要称多数所考察情形的效率极限趋于零或一；相关特征向量属于设计矩阵列空间时极限为一，但中等相关下仍可能损失明显。
- 阅读关注点
- 应核对空间相关结构、相对效率的定义及趋近极限的路径，特别检查常数项结论依赖的特征向量条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能仅因回归含截距就断言 OLS 总是高效，摘要的极限结论依赖相关结构，亦未给出完整适用条件。
原文摘要
The article considers the efficiency of ordinary least squares (OLS) coefficient estimates relative to generalized least squares (GLS) in a linear regression model where the disturbances follow a spatial autocorrelation pattern. The main result is that the limiting relative efficiency of OLS, as correlation among disturbances increases, tends to either zero or unity for most design matrices and correlation patterns encountered in practice. Which of these cases applies depends on the eigenvector corresponding to the largest eigenvalue of the spatial dependence matrix from the spatial autocorrelation scheme. In particular, the limiting relative efficiency of OLS is unity if this eigenvector lies in the column space of the design matrix. In practice, the relevant eigenvector will often be a column of ones. This implies that OLS is in the limit as good as GLS whenever there is a constant in the regression. We conclude, however, from several concrete examples that the loss in efficiency can still be substantial for intermediate degrees of autocorrelation.