Improving the Maximum Likelihood Estimate in Linear Functional Relationships for Alternative Parameter Sequences
不同参数序列下线性函数关系最大似然估计的改进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：摘要明确讨论线性函数关系估计对联立计量模型的含义，最接近结构方程估计方向。
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
不同参数序列下线性函数关系最大似然估计的改进
- 研究问题
- 在线性函数关系模型中，如何减轻最大似然估计的偏差，并评价固定样本下真实值离散程度增大与样本增大两种情形？
- 方法与思路
- 作者将最大似然与最小二乘估计线性组合以消除前者偏差，分别推导两种参数序列下的分布近似及相应均方误差。
- 材料陈述的贡献
- 摘要称改进估计在相应渐近分布所给出的均方误差上小于最大似然估计，并讨论其对大型联立计量模型的含义。
- 阅读关注点
- 应核对线性函数关系模型的误差设定、组合权重与偏差消除的含义，以及两种渐近序列和联立模型扩展的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；均方误差比较基于渐近分布，不能直接视为有限样本支配，具体条件与刊本变化未说明。
原文摘要
We propose an improvement of the maximum likelihood (ML) estimate in linear functional relationships. The improved estimate is a linear combination of the ML and the least squares estimate so as to remove the bias of the former. Approximations to the distribution of the estimate are derived for two alternative parameter sequences: a sequence in which the noncentrality parameter (the spread of the true values) increases while the number of observations stays fixed, and that in which the number of observations increases. The mean squared errors of the improved estimate, in terms of its asymptotic distributions, are obtained and shown to be smaller than those of the ML. Implications to large-scale simultaneous econometric models are also given.