Minimum distance estimation of the errors-in-variables model using linear cumulant equations
利用线性累积量方程对测量误差模型进行最小距离估计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：摘要核心是通用测量误差模型的累积量估计，投资与杠杆应用不足以归入所列资产定价等具体方向。
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…
利用线性累积量方程对测量误差模型进行最小距离估计
- 研究问题
- 多个解释变量存在测量误差时，如何利用可观测变量的高阶累积量构造可直接计算的估计量，并考察其推断和有限样本表现？
- 方法与思路
- 作者利用对三阶及更高阶累积量呈线性的估计方程，构造闭式最小距离估计量，并在投资、杠杆回归及校准模拟中考察表现。
- 材料陈述的贡献
- 摘要称该方法在两项应用中改变了相对 OLS 的定性推断；与既有矩估计量渐近等价，但在所报告模拟中有限样本表现更好。
- 阅读关注点
- 应核对高阶累积量识别测量误差模型所需条件、方程数量与权重选择，并检查应用校准方式和有限样本比较的具体指标。
- 阅读边界
- 仅依据所给出版社摘要；误差独立性、矩存在条件和改进幅度均未说明，应用中的定性差异也不足以证明估计结果更接近真实参数。
原文摘要
We consider a multiple mismeasured regressor errors-in-variables model. We develop closed-form minimum distance estimators from any number of estimating equations, which are linear in the third and higher cumulants of the observable variables. Using the cumulant estimators alters qualitative inference relative to ordinary least squares in two applications related to investment and leverage regressions. The estimators perform well in Monte Carlos calibrated to resemble the data from our applications. Although the cumulant estimators are asymptotically equivalent to the moment estimators from Erickson and Whited (2002), the finite-sample performance of the cumulant estimators exceeds that of the moment estimators.