IDENTIFICATION OF LINEAR REGRESSIONS WITH ERRORS IN ALL VARIABLES
所有变量均含测量误差的线性回归识别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：摘要核心是通用线性回归测量误差识别，企业投资应用不足以确定所列领域细分。
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
所有变量均含测量误差的线性回归识别
- 研究问题
- 在因变量和解释变量均存在经典测量误差的线性回归中，回归系数何时能够识别，如何利用观测分布构造可实施的估计量？
- 方法与思路
- 作者给出系数识别的充要条件，并利用观测变量对数特征函数的二阶导数构造连续矩条件估计量，配以模拟和企业投资应用。
- 材料陈述的贡献
- 摘要称不识别恰对应可从解释变量转移到误差中的独立正态线性组合；模拟表现良好，应用估计与使用三至五阶矩的 GMM 相近。
- 阅读关注点
- 应核对独立正态线性组合及转移操作的数学定义、经典测量误差的独立性要求，以及连续矩条件的数值实现和权重选择。
- 阅读边界
- 摘要未完整说明分布假设、估计量渐近性质或应用数据，模拟中的稳健表现不能推出普遍稳健性；解读限于所给 Crossref 摘要。
原文摘要
This paper analyzes the classical linear regression model with measurement errors in all the variables. First, we provide necessary and sufficient conditions for identification of the coefficients. We show that the coefficients are not identified if and only if an independent normally distributed linear combination of regressors can be transferred from the regressors to the errors. Second, we introduce a new estimator for the coefficients using a continuum of moments that are based on second derivatives of the log characteristic function of the observables. In Monte Carlo simulations, the estimator performs well and is robust to the amount of measurement error and number of mismeasured regressors. In an application to firm investment decisions, the estimates are similar to those produced by a generalized method of moments estimator based on third to fifth moments.