Censored Normal Regression with Measurement Error on the Dependent Variable
因变量存在测量误差的删失正态回归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：摘要研究一般删失回归中的测量误差与估计性质，未提供结构经济模型或所列其他细分方向的明确依据。
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
因变量存在测量误差的删失正态回归
- 研究问题
- 在删失正态回归中，若未删失观测的因变量含零均值测量误差，常规 Tobit 估计为何不一致，又有哪些一致的替代估计量？
- 方法与思路
- 作者考察基于期望函数或未删失观测条件期望函数的估计方法，共比较八种估计量，并用数值实验评估有无测量误差时的表现。
- 材料陈述的贡献
- 摘要称上述期望函数方法在测量误差下仍一致；数值实验提示其中若干方法在存在误差时比常规 Tobit 最大似然估计更有效率。
- 阅读关注点
- 阅读全文应核对零均值误差的具体条件、误差为何仅作用于未删失观测，以及八种估计量的一致性证明、效率指标和数值实验设计。
- 阅读边界
- 摘要未说明误差分布、误差与协变量的关系及效率的衡量方式；常规 Tobit 此处被称为不一致，实验比较不能直接推出普遍优越性。
原文摘要
When zero mean measurement error is added to the dependent variable for the nonlimit observations of the censored normal regression model, the conventional maximum likelihood estimator (Tobit) is inconsistent. Correct maximum likelihood estimation appears to be computationally difficult under various specifications for the distribution of the measurement error. Estimators based on either the expectation function or the conditional expectation function for uncensored observations remain consistent in the presence of measurement error. Eight such estimators are examined. The results of a numerical experiment suggest that several of these estimators are substantially more efficient than the conventional maximum likelihood estimator when measurement error exists and that they also will do reasonably well when it does not.