Linear Regression with Random Coefficients: The Finite Sample and Convergence Properties
随机系数线性回归的有限样本与收敛性质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：摘要明确随机系数回归，但未说明面板、重复观测或结构模型，不能仅凭随机系数归入面板方向。
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
随机系数线性回归的有限样本与收敛性质
- 研究问题
- 随机系数模型中若干无约束估计量的有限样本表现如何，其相对效率、负方差估计和迭代收敛是否依赖真实参数？
- 方法与思路
- 作者考察不同真实参数下估计量的抽样性质、方差估计为负的频率及迭代表现，并分析均值响应估计的方差估计量。
- 材料陈述的贡献
- 摘要称估计量排序对参数取值敏感，真实方差增大时负估计更常见；考察中收敛比例为百分之八十至九十五，迭代通常未增效。
- 阅读关注点
- 应核对模型结构、无约束估计量的定义、收敛判据和实验范围，并区分负方差估计的观察结果与效率损失的解释。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；所述收敛比例不是普遍保证，摘要未明确样本结构或参数范围。
原文摘要
This article studies sampling properties of several unconstrained estimators in the random coefficients model. It is found that the ranking of alternative estimators is sometimes sensitive to selection of true values of the model's parameters. Further, the frequency of negative estimates increases with the size of true variance. Though all estimators converge in 80 to 95 percent of cases, there is generally no efficiency gain at any stage of iterations, possibly because large numbers of negative estimates of variances are obtained. Sampling properties of alternative estimators for variance of the mean response estimates are also examined.