An Efficient Method of Estimating Seemingly Unrelated Regressions and Tests for Aggregation Bias
似乎不相关回归的有效估计与聚合偏差检验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：摘要应用于两家企业在 1935—1954 年的年度投资观测，提供企业跨年重复数据及跨企业联合估计的文本依据。
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
似乎不相关回归的有效估计与聚合偏差检验
- 研究问题
- 多条回归方程的扰动相关时，联合估计能否提高效率；各方程系数是否相同，又如何关系到聚合偏差？
- 方法与思路
- 作者将 Aitken 广义最小二乘用于整个方程系统，构造基于微观与宏观数据的系数相等检验，并应用于两家企业的年度投资数据。
- 材料陈述的贡献
- 摘要称在一定条件下联合估计至少渐近更有效，效率收益随跨方程解释变量和扰动的相关结构变化，并提出聚合偏差检验。
- 阅读关注点
- 应核对跨方程协方差如何估计、效率结论的具体条件，以及系数相等与无聚合偏差之间的联系及微观检验的实施。
- 阅读边界
- 仅据所给 OpenAlex 摘要，稿件版本未注明。效率条件未完整列出；未拒绝系数相等不能证明无聚合偏差，亦不推断刊本变化。
原文摘要
In this paper a method of estimating the parameters of a set of regression equations is reported which involves application of Aitken's generalized least-squares [1] to the whole system of equations. Under conditions generally encountered in practice, it is found that the regression coefficient estimators so obtained are at least asymptotically more efficient than those obtained by an equation-by-equation application of least squares. This gain in efficiency can be quite large if “independent” variables in different equations are not highly correlated and if disturbance terms in different equations are highly correlated. Further, tests of the hypothesis that all regression equation coefficient vectors are equal, based on “micro” and “macro” data, are described. If this hypothesis is accepted, there will be no aggregation bias. Finally, the estimation procedure and the “micro-test” for aggregation bias are applied in the analysis of annual investment data, 1935–1954, for two firms.