Asymptotic Expansions of the Distribution of an Improved Limited Information Maximum Likelihood Estimator
改进有限信息最大似然估计量分布的渐近展开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 LIML 参数估计及消费函数收入乘数系数，直接关联结构模型中的系数估计。
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
改进有限信息最大似然估计量分布的渐近展开
- 研究问题
- 既有改进 LIML 估计量在大样本及大非中心参数情形下具有怎样的分布，并能否更集中于真实系数附近？
- 方法与思路
- 作者分别针对样本量增大和非中心参数增大的序列，推导改进估计量分布的渐近展开，并分析消费函数收入乘数系数的分布。
- 材料陈述的贡献
- 摘要称，在两类参数序列下，改进估计量就集中于真实系数附近的概率而言一致优于 LIML，并给出收入乘数系数的分布。
- 阅读关注点
- 应核对改进估计量的定义、两类渐近序列和展开余项，以及集中概率的比较口径、一致性范围与消费函数的模型设定。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；展开条件和一致占优的范围未说明，集中概率优势不能直接解释为均方误差优势。
原文摘要
An improvement of the limited information maximum likelihood (LIML) estimator was proposed by Morimune (1978). In this note two asymptotic expansions of the distribution of the improved estimator are derived, both for large sample size and for large values of the noncentrality parameter. The improved estimator uniformly dominates the LIML estimator in terms of the probability of concentration around the true coefficient for both the parameter sequences. The distributions of the coefficient of income multiplier in the consumption function are also derived.