The Exact Finite Sample Properties of the Estimators of Coefficients in the Error Components Regression Models
误差分量回归模型系数估计量的精确有限样本性质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：摘要明确以跨期横截面数据的误差分量回归为对象，讨论误差协方差与系数估计，直接对应面板数据方法。
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
误差分量回归模型系数估计量的精确有限样本性质
- 研究问题
- 在由横截面和时间维度组成的误差分量回归中，若多种系数估计量具有相同渐近协方差，如何比较和选择其有限样本表现？
- 方法与思路
- 作者沿用 Wallace–Hussain 的假设，构造误差协方差矩阵的替代估计，据此建立可行 Aitken 型系数估计量，推导部分小样本性质并与其他估计量比较。
- 材料陈述的贡献
- 摘要称，存在无穷多个估计量与原估计量具有相同渐近协方差，故不能仅凭渐近效率择优；论文提出替代可行估计量并分析其小样本性质。
- 阅读关注点
- 应核对误差分量和方差估计的假设、可行 Aitken 估计量的构造，并确认哪些有限样本性质被精确推导，以及比较采用什么评价标准。
- 阅读边界
- 摘要未列出具体假设、小样本公式或比较结果；相同渐近协方差并不说明所有性质相同，也不能据此认定新估计量在有限样本中更优。
原文摘要
Wallace and Hussain (1969) considered the use of an error components regression model in the analysis of time series of cross-sections and developed an estimator of the coefficient vector based on an estimated variance-covariance matrix of error terms. In this paper, we have shown that under the set of assumptions adopted by Wallace and Hussain there are an infinite number of estimators which have the same asymptotic variancecovariance matrix as the Wallace-Hussain estimator and also that it is not possible to choose an estimator on the basis of asymptotic efficiency. We have developed an alternative estimator of the variance-covariance matrix of error terms and have used this estimator in developing a feasible Aitken type estimator for the coefficient vector. We have derived some small sample properties of this estimator and have compared them with those of other estimators of the coefficient vector.