Improving the Maximum Likelihood Estimate in Linear Functional Relationships for Alternative Parameter Sequences
不同参数序列下线性函数关系最大似然估计的改进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：摘要以线性函数关系的估计改进为核心，联立计量模型仅作为含义讨论，未明确结构识别或具体经济模型，故留空。
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
不同参数序列下线性函数关系最大似然估计的改进
- 研究问题
- 在线性函数关系中，如何结合最大似然与最小二乘估计减少偏差，并在两种参数序列下评估分布和均方误差？
- 方法与思路
- 作者构造两类估计的线性组合，分别考虑观测数固定而真实值离散程度增大，以及观测数增加时的分布近似。
- 材料陈述的贡献
- 摘要称该组合用于消除最大似然估计的偏差，其渐近分布对应均方误差更小，并讨论对大型联立计量模型的含义。
- 阅读关注点
- 应核对组合权重和偏差消除的具体含义、两种参数序列的条件，以及均方误差比较是否仅限渐近近似。
- 阅读边界
- 索引摘要未注明稿件版本，未给出模型假设、权重或有限样本结果；渐近均方误差优势不能扩展为普遍有限样本优势。
原文摘要
We propose an improvement of the maximum likelihood (ML) estimate in linear functional relationships. The improved estimate is a linear combination of the ML and the least squares estimate so as to remove the bias of the former. Approximations to the distribution of the estimate are derived for two alternative parameter sequences: a sequence in which the noncentrality parameter (the spread of the true values) increases while the number of observations stays fixed, and that in which the number of observations increases. The mean squared errors of the improved estimate, in terms of its asymptotic distributions, are obtained and shown to be smaller than those of the ML. Implications to large-scale simultaneous econometric models are also given.