Estimation of Seemingly Unrelated Regressions with Autoregressive Disturbances
自回归扰动下似不相关回归的估计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：题名明确涉及自回归扰动，摘要讨论自相关条件下方程组估计，直接对应时间序列方法。
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
自回归扰动下似不相关回归的估计
- 研究问题
- 当线性回归方程组的扰动在方程间相关且存在自相关时，如何联合估计，并比较不同估计量在小样本中的效率？
- 方法与思路
- 作者在已有联合估计方法及其自相关扩展的背景下，提出若干替代估计量，并用覆盖不同模型设定的抽样实验比较小样本效率。
- 材料陈述的贡献
- 摘要称，文章为自回归扰动下的似不相关回归提出多种替代估计量并进行小样本比较，但未给出比较结果的具体方向。
- 阅读关注点
- 应核对自回归扰动的设定、方程间相关结构、替代估计量的构造，以及抽样实验的样本量与效率评价指标。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；估计公式、模拟设定及效率结果未提供，不能声称某方法普遍更优或推断刊本变化。
原文摘要
Joint estimation of a system of linear regression equations with mutually correlated disturbances leads, in general, to more efficient estimates than estimation of each equation separately. A method of joint estimation developed by Arnold Zeller on the assumption that the disturbances are non-autocorrelated has recently been adapted by Richard Parks for the case in which this assumption does not hold. In the present article we develop several alternative estimators and compare their small-sample efficiency. The comparison is done with the help of a sampling experiment applied to various model specifications.