Asymptotic Expansions of the Distribution of an Improved Limited Information Maximum Likelihood Estimator
改进有限信息极大似然估计量分布的渐近展开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：摘要主要讨论估计量分布与渐近比较，消费函数例子不足以确定所列领域细分。
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
改进有限信息极大似然估计量分布的渐近展开
- 研究问题
- 改进的有限信息极大似然估计量在两类参数序列下具有怎样的分布，其围绕真实系数集中的概率如何比较？
- 方法与思路
- 作者分别针对大样本量与大非中心参数推导估计量分布的渐近展开，并研究消费函数中收入乘数系数的分布。
- 材料陈述的贡献
- 摘要称，在两类参数序列下，改进估计量均以围绕真实系数集中的概率为准则一致优于原 LIML 估计量。
- 阅读关注点
- 应核对两类渐近序列的具体设定、展开余项与一致性的范围，以及集中概率比较如何用于收入乘数系数。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体条件，集中概率优势不能扩展为所有损失准则下的优势。
原文摘要
An improvement of the limited information maximum likelihood (LIML) estimator was proposed by Morimune (1978). In this note two asymptotic expansions of the distribution of the improved estimator are derived, both for large sample size and for large values of the noncentrality parameter. The improved estimator uniformly dominates the LIML estimator in terms of the probability of concentration around the true coefficient for both the parameter sequences. The distributions of the coefficient of income multiplier in the consumption function are also derived.