跳到正文
← 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:题名和摘要明确以线性支出系统的最大似然估计为对象,直接对应需求系统的结构估计。

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
John C. Ham

线性支出系统高效估计札记

研究问题
如何提高线性支出系统最大似然估计的计算效率,并检查数值最大化所得参数是否满足目标函数的一阶条件?
方法与思路
作者提出线性支出系统的最大似然估计方法,给出检查数值解一阶条件的检验,并通过若干实验与常规估计方法比较。
材料陈述的贡献
摘要称,新方法在所报告实验中显著减少计算时间,并提供验证数值参数估计是否满足一阶条件的检验,但未报告具体幅度。
阅读关注点
应核对支出系统的参数化、似然与约束、新算法步骤及一阶条件检验,并查明实验规模、比较基准和计算时间统计方式。
阅读边界
摘要未说明模型识别、优化细节或计时数值;一阶条件本身不保证全局最大值。所给索引摘要未注明稿件版本。

原文摘要

An efficient method of estimating the linear expenditure system (LES) by maximum likelihood is introduced. A test for insuring that parameter estimates obtained by numerical maximization satisfy the first-order conditions is given. In some experiments the new method of estimating the LES is compared to the more conventional method of estimation and is found to use significantly less computer time than the conventional method.

笔记与分组