Combining Information on Measurement Error in the Errors-in-Variables Model
变量测量误差模型中测量误差信息的结合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：摘要讨论测量误差下的回归斜率估计，虽使用工具变量，但未明确提出因果效应识别问题。
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
变量测量误差模型中测量误差信息的结合
- 研究问题
- 在解释变量含测量误差的回归中，工具变量与衰减校正如何依赖额外信息，其表现怎样随测量误差大小变化，又能否结合？
- 方法与思路
- 作者比较两种斜率估计方法的渐近方差和模拟表现，考察额外信息不精确时的表现，并在两类信息均可用时考虑加权平均。
- 材料陈述的贡献
- 摘要称，误差较小时衰减校正可与较强工具变量表现相当，误差较大时价值下降；两类信息均可用时，加权结合可减小方差。
- 阅读关注点
- 阅读时应核对工具变量有效性与校正所需信息、测量误差条件，以及比较标准、两种估计量的协方差和组合权重构造。
- 阅读边界
- 所据为 OpenAlex 索引摘要，稿件版本未注明；误差大小与工具变量强度的具体范围未说明，方差改善也不能直接解释为因果识别或均方误差改善。
原文摘要
For the regression model in which an explanatory variable contains measurement error, the instrumental variable and the correction for attenuation estimators of slope are considered. Although each requires extra information that is rarely available in ideal form, examinations of asymptotic variances and simulation results suggest that the correction for attenuation performs as well as a fairly strong instrumental variable when the measurement errors are not too large, and this is often true even when the extra information acquired is rough. For larger measurement errors the correction method is of less value. Whenever both kinds of information are available, an estimator with smaller variance is possible by taking a weighted average of the two.