Bias From Classical and Other Forms of Measurement Error
经典及其他形式测量误差导致的偏差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：摘要讨论一般回归中测量误差与信息集对偏差的影响，未明确因果识别、面板或其他给定细分方向，分类证据不足。
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
经典及其他形式测量误差导致的偏差
- 研究问题
- 当观测值是利用既有信息对真实值的最优预测时，测量误差如何影响回归估计，且误差位于解释变量或因变量时有何差别？
- 方法与思路
- 作者设定观测值是给定信息集下真实值的最优预测，使测量误差与报告值不相关、与真实值相关，并分析这种误差结构下的回归偏差。
- 材料陈述的贡献
- 摘要称，在该模型中，解释变量的测量误差不导致回归偏差，而因变量的测量误差使估计向零偏移；误差模型与信息集决定偏差性质。
- 阅读关注点
- 阅读全文时应核对最优预测的具体定义、信息集与回归变量的关系，以及解释变量无偏和因变量向零偏误结论各自依赖的条件。
- 阅读边界
- 摘要未说明回归的完整设定或证明条件；相关结论针对所述预测型误差模型，不能直接套用到任意数据或经典测量误差情形。
原文摘要
We consider the implications of an alternative to the classical measurement-error model, in which the observed, mismeasured data are optimal predictions of the true values, given some information set. In this model, any measurement error is uncorrelated with the reported value and, by necessity, correlated with the true value of interest. In a regression model, such measurement error in the regressor does not lead to bias, whereas measurement error in the dependent variable leads to bias toward 0. In general, the measurement-error model, together with the information set, is critical for determining the bias in econometric estimates.