Linear Regression with Random Coefficients: The Finite Sample and Convergence Properties
随机系数线性回归：有限样本性质与收敛表现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：摘要讨论一般随机系数回归的抽样性质，未明确涉及面板结构或其他所列专门方向。
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
随机系数线性回归：有限样本性质与收敛表现
- 研究问题
- 随机系数回归中，不受约束的不同估计量具有怎样的抽样表现，参数真值如何影响估计排序、负方差估计及迭代收敛？
- 方法与思路
- 作者考察若干不受约束估计量的抽样性质，比较参数设置下的收敛与效率，并分析平均响应估计之方差的估计表现。
- 材料陈述的贡献
- 摘要称估计量排序有时对参数真值敏感，约八成至九成半情形能够收敛，但迭代通常未带来效率增益，可能与负方差估计有关。
- 阅读关注点
- 应核对候选估计量、参数设置、样本规模及收敛判据，区分迭代收敛与统计效率，并检查负方差估计如何处理。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体实验设计与效率指标未说明，所述比例不能外推为一般保证，也不能推断刊本变化。
原文摘要
This article studies sampling properties of several unconstrained estimators in the random coefficients model. It is found that the ranking of alternative estimators is sometimes sensitive to selection of true values of the model's parameters. Further, the frequency of negative estimates increases with the size of true variance. Though all estimators converge in 80 to 95 percent of cases, there is generally no efficiency gain at any stage of iterations, possibly because large numbers of negative estimates of variances are obtained. Sampling properties of alternative estimators for variance of the mean response estimates are also examined.