A Truncated Maximum Likelihood Estimator of a Constrained Bivariate Linear Regression Coefficient
受约束双变量线性回归系数的截断极大似然估计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：摘要涉及一般双变量回归的约束估计，未提供结构经济模型或其他所列细分方向的明确依据。
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
受约束双变量线性回归系数的截断极大似然估计
- 研究问题
- 双变量线性回归中，受约束估计通常具有的方差优势为何会在样本量和两方程扰动相关性较小时逆转，如何选择估计量？
- 方法与思路
- 作者考察受约束与无约束极大似然估计的方差关系，并引入截断极大似然估计，以讨论何时采用其中一种估计方式。
- 材料陈述的贡献
- 摘要指出样本量与扰动相关系数均较小时，无约束估计的方差可能更小，并提出截断估计作为讨论选择依据的工具。
- 阅读关注点
- 核对参数约束、截断规则和方差比较的成立范围，进一步检查偏差与总体风险是否也纳入估计量选择的评价。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明约束、截断阈值和完整分布条件，方差较小不能单独确定总体估计优势。
原文摘要
In a bivariate linear regression model, the constrained maximum likelihood estimator (MLE) of a regression coefficient usually has smaller variance than the unconstrained MLE. This situation can be reversed if both the sample size n and the correlation coefficient ρ of disturbances between two regression equations are small. That is, when both n and ρ are small, the variance of the unconstrained MLE is smaller than the constrained MLE. In this article, a truncated MLE is considered for the justification of using either the constrained or the unconstrained MLE as an appropriate estimator for the regression coefficient.