Markov-switching models with endogenous explanatory variables II: A two-step MLE procedure
含内生解释变量的马尔可夫转换模型Ⅱ：两步极大似然估计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：摘要直接研究具有潜在状态和转移概率的马尔可夫转换回归，属于时间序列建模。
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
含内生解释变量的马尔可夫转换模型Ⅱ：两步极大似然估计
- 研究问题
- 马尔可夫转换回归存在内生解释变量时，如何降低联合估计转移概率矩阵的维数负担，并评估两步估计带来的效率取舍？
- 方法与思路
- 作者提出两步极大似然程序，忽略潜在状态变量之间可能的相关性，以减轻联合估计的维数问题，并通过蒙特卡洛比较。
- 材料陈述的贡献
- 摘要称，两步法是联合估计的可行替代；潜在状态零相关或低相关时，模拟中两步法的有限样本效率可能高于联合估计。
- 阅读关注点
- 应核对两步程序如何处理内生性、忽略状态相关的后果，以及联合估计的渐近效率条件和有限样本比较所用设计。
- 阅读边界
- 仅据所给 RePEc 出版社摘要解读；摘要未说明内生性处理的具体条件，有限样本优势限于所述模拟情形，不能推为普遍结论。
原文摘要
This paper proposes a two-step maximum likelihood estimation (MLE) procedure to deal with the problem of endogeneity in Markov-switching regression models. A joint estimation procedure provides us with an asymptotically most efficient estimator, but it is not always feasible, due to the 'curse of dimensionality' in the matrix of transition probabilities. A two-step estimation procedure, which ignores potential correlation between the latent state variables, suffers less from the 'curse of dimensionality', and it provides a reasonable alternative to the joint estimation procedure. In addition, our Monte Carlo experiments show that the two-step estimation procedure can be more efficient than the joint estimation procedure in finite samples, when there is zero or low correlation between the latent state variables.