Estimation of Seemingly Unrelated Regressions with Random Coefficients
随机系数似不相关回归的估计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：摘要讨论随机系数多方程回归，但未明确面板、宏观序列或经济结构估计设定，因此分类证据不足。
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
随机系数似不相关回归的估计
- 研究问题
- 当似不相关回归系统的系数具有随机性时，如何构造一致估计，并与已知协方差的广义最小二乘及传统 SUR 方法比较？
- 方法与思路
- 作者针对随机系数 SUR 系统提出估计量，通过渐近分布分析，与 Aitken 广义最小二乘估计和 Zellner SUR 估计比较。
- 材料陈述的贡献
- 摘要称，新估计量一致，并与已知协方差的 Aitken 估计具有相同渐近正态分布；真实模型为随机系数时效率高于 Zellner 方法。
- 阅读关注点
- 应核对随机系数及误差的协方差结构、协方差估计方法、渐近框架，以及效率比较依赖的模型正确设定条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明数据结构、估计公式或有限样本表现，不能推广为对所有 SUR 模型更优。
原文摘要
This article deals with the problem of estimating the set of seemingly unrelated regressions (SUR) when the regression coefficients are random. In the article, an estimator has been proposed which is consistent and has the same asymptotic normal distribution as the Aitken generalized least squares estimator which assumes the covariance matrix to be known. Further, it has been shown that the proposed estimator is asymptotically more efficient than Zellner's SUR estimator provided that the true model is one with random coefficients.