The Bias of Bootstrapped Versus Conventional Standard Errors in the General Linear and SUR Models
一般线性与 SUR 模型中自助法和常规标准误的偏差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：摘要比较一般回归系统中的协方差估计偏差，未涉及所列具体应用或模型方向。
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
一般线性与 SUR 模型中自助法和常规标准误的偏差
- 研究问题
- 在小样本似不相关回归中，自助法 FGLS 协方差估计是否比常规渐近协方差估计偏差更小，这一比较是否普遍成立？
- 方法与思路
- 作者在正态误差等设定下，忽略样本量平方倒数阶项比较协方差估计偏差，并分析特殊双方程模型和蒙特卡洛结果。
- 材料陈述的贡献
- 摘要称，一般模型中两者均向下偏，但相对大小不确定；特定双方程设定下自助法偏差较小，模拟不支持一致占优。
- 阅读关注点
- 应核对误差协方差估计的无偏要求、展开中忽略的项、正交回归变量设定，以及协方差偏差与标准误偏差的区别。
- 阅读边界
- 仅据所给 Crossref 摘要，不能将特殊模型的优势推广到一般 SUR；近似偏差结果也不能直接保证置信区间覆盖更好。
原文摘要
When estimating the seemingly unrelated regression (SUR) model in small samples, the bootstrap feasible generalized least-squares (FGLS) covariance estimator has been widely advocated as less biased than the conventional FGLS covariance estimator obtained by evaluating the asymptotic covariance matrix. Assuming multivariate normal errors and an unbiased estimator of the error covariance, Eaton proves that the conventional estimator is biased downward for a general SUR model. Ignoring terms O ( T –2 ) for this model, we prove that the bootstrap estimator is also biased downward. However, from these results, the relative magnitude of these two biases is indeterminant in general. By ignoring terms O ( T –2 ) for Zellner's two-equation, orthogonal regressor model with bivariate normal errors, we show that the bias of both estimators is downward and that the bootstrap estimator exhibits a smaller bias than the conventional estimator. Monte Carlo simulation results indicate that, in general, neither estimator uniformly dominates the other.