On Sprent's Generalized Least-Squares Estimator
论 Sprent 的广义最小二乘估计量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：摘要讨论一般函数关系模型的斜率估计，未提供面板或经济结构模型的明确依据。
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
论 Sprent 的广义最小二乘估计量
- 研究问题
- 在允许不同数据点误差相关的函数关系模型中，Sprent 斜率估计量是否一致，其渐近方差和极限分布如何确定？
- 方法与思路
- 作者分析广义最小二乘估计的渐近性质，并在联合正态误差下利用其与极大似然估计的对应关系简化方差表达。
- 材料陈述的贡献
- 摘要称建立一致性、推导渐近方差及其估计方法，并在正态误差下给出渐近正态性，指出既有方差表达的差异。
- 阅读关注点
- 应核对误差相关结构、附带参数的处理、正态与非正态结果的区别，以及直接反演信息矩阵为何在此可能失效。
- 阅读边界
- 仅据所给 Crossref 摘要；一致性的具体条件和方差公式未提供，不能将正态误差下的极限分布推广到一般误差。
原文摘要
Summary This paper studies the asymptotic properties of Sprent's (1966) generalized least-squares estimator of the slope parameter in a functional relationship model which allows errors at different data points be correlated. Consistency is established and the asymptotic variance derived. When the Joint distribution of the errors is normal, in which case Sprent's estimator coincides with the maximum likelihood estimator, the asymptotic variance formula is further simplified and the limiting distribution of the estimator is also shown to be normal. The variance expression obtained under the normality assumption differs from that of Dolby (1972) derived by inverting the information matrix, and the latter procedure is known to be generally invalid in functional relationship problems due to the presence of incidental parameters (Patefield, 1978). An estimator of the asymptotic variance is also suggested.