Estimation of Seemingly Unrelated Regressions with Random Coefficients
随机系数似乎不相关回归的估计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：随机系数 SUR 不必然是面板模型，摘要未说明面板结构或具体经济应用领域。
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
随机系数似乎不相关回归的估计
- 研究问题
- 当似乎不相关回归系统的系数具有随机性时，如何构造估计量，并与已知协方差的广义最小二乘及传统 SUR 估计比较？
- 方法与思路
- 作者针对随机系数 SUR 系统提出估计量，研究其一致性与渐近正态分布，并与 Aitken 广义最小二乘和 Zellner 估计比较。
- 材料陈述的贡献
- 摘要称，新估计量一致且与已知协方差的 Aitken 估计具有相同渐近分布；真实模型为随机系数时，渐近效率高于 Zellner 估计。
- 阅读关注点
- 应核对随机系数与误差的协方差结构、渐近框架及协方差估计方式，并确认效率比较所依赖的条件和比较标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；效率结论限于所述随机系数模型，不能推断有限样本优势或刊本变化。
原文摘要
This article deals with the problem of estimating the set of seemingly unrelated regressions (SUR) when the regression coefficients are random. In the article, an estimator has been proposed which is consistent and has the same asymptotic normal distribution as the Aitken generalized least squares estimator which assumes the covariance matrix to be known. Further, it has been shown that the proposed estimator is asymptotically more efficient than Zellner's SUR estimator provided that the true model is one with random coefficients.