Estimation of Seemingly Unrelated Regressions with Vector Autoregressive Errors
具有向量自回归误差的似乎不相关回归估计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：摘要明确以一阶向量自回归描述误差的时间依赖，但未涉及 VAR 冲击识别。
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
具有向量自回归误差的似乎不相关回归估计
- 研究问题
- 当似乎不相关回归方程组的误差服从一阶向量自回归设定时，如何有效估计系数，其有限样本表现又如何？
- 方法与思路
- 作者推导针对一阶向量自回归误差的系数估计方法，说明该误差设定包含若干常用特例，并开展蒙特卡洛比较。
- 材料陈述的贡献
- 摘要称所提方法具有渐近效率，且在所开展的有限样本实验中相对表现良好；摘要未给出具体优势幅度。
- 阅读关注点
- 应核对误差过程的限制、渐近效率的比较基准、估计的实现步骤，以及模拟设计和各比较估计量的适用设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；渐近条件与模拟数值未提供，不能据此声称普遍优越。
原文摘要
We derive an asymptotically efficient method of estimating the coefficients of systems of seemingly unrelated regression equations when a first-order vector autoregressive error specification is hypothesized. This error specification is shown to contain several commonly used specifications as special cases. A Monte Carlo experiment was performed to examine the finite sample performance of our estimator in comparison with several other estimators. The general results were that the new estimator performed relatively well.