Small-Sample Properties of Several Two-Stage Regression Methods in the Context of Auto-Correlated Errors
自相关误差下若干两阶段回归方法的小样本性质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：摘要明确讨论误差自相关、序列相关程度与相应回归估计程序，直接对应时间序列计量中的误差处理问题。
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
自相关误差下若干两阶段回归方法的小样本性质
- 研究问题
- 在线性回归误差存在自相关时，若干渐近有效估计量的小样本效率如何，按估计相关程度切换阶段是否有益？
- 方法与思路
- 作者用蒙特卡洛方法比较多个估计程序，并考察当估计的相关程度超过临界值才执行第二阶段的混合策略。
- 材料陈述的贡献
- 摘要称没有程序在整个参数范围明显占优；中高序列相关时两阶段方法有增益，低相关时损失较小，切换策略表现较好。
- 阅读关注点
- 应核对误差过程、样本量、效率指标、相关参数范围，以及第二阶段切换阈值的设定和计算成本比较。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；模拟设计和数值结果未提供，阈值符号提取不完整，需查原PDF，刊本变化未知。
原文摘要
In a linear regression model, when errors are autocorrelated, several asymptotically efficient estimators of parameters have been suggested in the literature. In this paper we study their small sample efficiency using Monte Carlo methods. While none of these estimators turns out to be distinctly superior to the others over the entire range of parameters, there is a definite gain in efficiency to be had from using some two-stage procedure in the presence of moderate high levels of serial correlation in the residuals and very little loss from using such methods when the true ρ is small. Where computational costs are a consideration a mixed strategy of switching to a second stage only if the estimated is higher than some critical value is suggested and is shown to perform quite well over the whole parameter range.