Estimation for the Multivariate Errors-in-Variables Model with Estimated Error Covariance Matrix
测量误差协方差矩阵由估计获得时的多元变量误差模型估计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：摘要属于多元测量误差模型的一般估计理论，未明确经济结构估计或其他所列细分场景。
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
测量误差协方差矩阵由估计获得时的多元变量误差模型估计
- 研究问题
- 当潜在真实值满足多个线性限制，且测量误差协方差矩阵由估计获得时，如何估计模型并刻画其极限性质？
- 方法与思路
- 作者在潜在真实值服从正态分布、误差协方差估计可用的条件下推导最大似然估计，并在更广的设定中研究极限性质。
- 材料陈述的贡献
- 摘要称推导了该多元变量误差模型的最大似然估计，并给出涵盖固定真实值设定在内的多种假设下的极限结果。
- 阅读关注点
- 应核对协方差估计的来源与精度、线性限制的识别作用，以及正态随机真实值和固定真实值框架下结论的区别。
- 阅读边界
- 版本未注明的索引摘要未说明协方差估计与主样本的关系、具体极限分布或识别条件；不能推断对任意测量误差均适用。
原文摘要
The errors-in-variables model in which the unobserved true values satisfy multiple linear restrictions is considered. Under the assumptions that the unobservable true values are normally distributed and that an estimator of the covariance matrix of the measurement error is available, the maximum likelihood estimators are derived. The limiting properties of the estimators are obtained for a wide range of assumptions, including the assumption of fixed true values.