跳到正文
← 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:摘要核心是多方程测量误差与部分识别,所给细分类别没有直接对应项,企业应用也不足以确定因果或结构估计归属。

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
Karim Chalak
Daniel Kim

多方程中的测量误差:托宾 q 与企业投资、储蓄及债务

研究问题
当多个线性方程共用一个带经典测量误差的解释变量时,如何界定各方程系数,并利用联合分析增加识别信息?
方法与思路
作者刻画三类辅助限制任意组合下的尖锐识别区域,限制涉及噪声信号比、决定系数及跨方程扰动相关性的符号,并采用交集界推断。
材料陈述的贡献
摘要称联合分析能够带来识别增益,并给出相应尖锐识别区域;应用考察以托宾 q 代理边际 q 时现金流与企业投资、储蓄及债务的关系。
阅读关注点
应核对经典误差的具体定义、三类辅助限制的经济依据、联合分析收紧识别区域的条件,以及现金流系数的解释范围。
阅读边界
仅据所给出版社摘要,无法判断辅助限制在企业数据中是否可信,也无法得知现金流效应的方向、大小或识别区域的实际宽度。

原文摘要

We characterize the sharp identification regions for the coefficients in a system of linear equations that share an explanatory variable measured with classical error. We demonstrate the identification gain from analyzing the equations jointly. We derive the sharp identification regions under any configuration of three auxiliary assumptions. These restrict the “noise-to-signal” ratio, the coefficients of determination, and the signs of the correlations among the cross-equation disturbances. For inference, we implement results on intersection bounds. The application studies the effects of cash flow on the investment, saving, and debt of firms when Tobin’s q serves as a proxy for marginal q.

笔记与分组
相关领域论文