Identification of the Ordered Bivariate Normal Distribution by Minimum Variate
通过最小分量识别有序二元正态分布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：摘要核心是分布参数识别，虽提及计量模型应用，但未明确给定细分领域所需的具体估计设定。
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
通过最小分量识别有序二元正态分布
- 研究问题
- 仅观察有序二元正态变量中的最小分量时，哪些参数子族可以识别，为什么一般分布族无法获得完整识别？
- 方法与思路
- 作者分析最小分量分布对原分布参数的识别能力，分别讨论协方差矩阵满秩、其他子族及一般分布族。
- 材料陈述的贡献
- 摘要称，满秩协方差情形及若干其他子族具有参数可识别性，而一般分布族不被识别，并指出相关计量模型应用。
- 阅读关注点
- 应核对“有序”的定义、可识别参数的范围、各子族限制，以及一般分布族中产生相同最小分量分布的情形。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；子族细节及证明未提供，不能推断所提计量模型整体可识别或刊本有所变化。
原文摘要
For full-rank covariance matrix and other subfamilies of the ordered bivariate normal distribution, the identifiability of parameters by the minimum variate is demonstrated. For the general family, the distribution is not identified. These identifiability questions arise in connection with estimation within certain econometric models, for example, Tobin and Fair-Jaffee.