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:可辨文本讨论一般 SUR 系统的有限样本估计,未明确宏观面板或其他所列细分方向。

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
Nagesh S. Revankar

SUR 系统中受限残差的使用:若干有限样本结果

研究问题
在两方程似不相关回归系统中,当一个方程的解释变量集合包含于另一个时,受限残差如何影响估计的有限样本效率?
方法与思路
作者比较基于受限与非受限误差协方差估计的相关估计量,推导有限样本方差,并讨论效率差异及实际选择。
材料陈述的贡献
摘要称,论文得到有限样本方差并开展效率比较;但关键估计量符号缺失,无法可靠确定各项结论对应的对象。
阅读关注点
应查阅原 PDF,恢复方程、估计量及效率比较的符号,再核对嵌套解释变量、误差相关程度和自由度的作用。
阅读边界
仅据版本未注明的 OpenAlex 索引摘要。文本缺失关键公式和估计量符号,不能重构等价关系、效率排序或操作阈值,需查阅原 PDF。

原文摘要

Consider a system of two seemingly unrelated regression equations: , where X2 is a proper subset of X1, i.e., X1≡(X2: L2), and Σ = (σij) is the disturbance covariance matrix. Let be the -estimators based, respectively, on the restricted estimate of Σ and on the unrestricted estimate S of Σ. This paper derives finite sample variances of the , and examines their efficiency with respect to the are identical to the OLS estimator obtained directly from , and are efficient. On the other hand, is more (less) efficient at the lower (upper) end of the scale of . In practical applications, it may be preferable to use when | ρ | ≤ .5 (approximately) and df ≥ 5, and otherwise.

笔记与分组
相关领域论文