Small-Sample Properties of Simultaneous Equation Estimators with Multicollinearity
多重共线性下联立方程估计量的小样本性质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：摘要讨论联立方程估计的一般小样本性质，未提供结构经济模型或其他所列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
多重共线性下联立方程估计量的小样本性质
- 研究问题
- 多重共线性程度改变时，复杂与较简单的联立方程估计方法的小样本表现如何变化，能否解释既有文献中的分歧？
- 方法与思路
- 作者通过Monte Carlo模拟重新比较不同共线性水平下的估计方法，考察利用方程排除变量信息所伴随的精度与敏感性变化。
- 材料陈述的贡献
- 摘要称，共线性上升会改善部分简单方法的相对表现，但只有极端共线性才会产生显著的相对性能逆转。
- 阅读关注点
- 核对参与比较的估计量、联立系统设定、共线性生成方式及评价指标，尤其关注何种水平被界定为极端共线性。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；估计量名单、模拟参数与具体结果未说明，不能把相对表现结论推广到所有联立系统。
原文摘要
A Monte Carlo simulation is employed to reinvestigate the general disagreement in the literature regarding the small-sample properties of simultaneous equation estimators under widely different levels of multicollinearity. This disagreement has been attributed to the greater use by more complex estimators of information on variables excluded from each equation, producing the advantage in inference of increasing precision at low levels of collinearity, but the disadvantage of greater estimator sensitivity with higher collinearity. Although simulation results indicate improvement of some less complex techniques relative to their more complex counterparts as collinearity rises, extreme collinearity is required to generate substantial reversals in relative performance.