Estimation of Seemingly Unrelated Regressions with Vector Autoregressive Errors
向量自回归误差下的似不相关回归估计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：摘要明确以一阶向量自回归误差刻画动态相关，但没有涉及冲击识别或脉冲响应。
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
向量自回归误差下的似不相关回归估计
- 研究问题
- 当似不相关回归方程组的误差服从一阶向量自回归结构时，如何有效估计回归系数并评估有限样本表现？
- 方法与思路
- 作者针对一阶向量自回归误差推导渐近有效的系数估计方法，并通过蒙特卡洛实验与其他估计量进行比较。
- 材料陈述的贡献
- 摘要称该误差结构涵盖若干常用设定，所提方法渐近有效且模拟表现相对较好，但未说明具体比较幅度。
- 阅读关注点
- 应核对回归变量与误差的关系、误差过程稳定性、可行估计步骤，以及渐近效率基准和有限样本比较设定。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；具体条件、对照估计量和数值结果未说明，不能断言方法普遍占优。
原文摘要
We derive an asymptotically efficient method of estimating the coefficients of systems of seemingly unrelated regression equations when a first-order vector autoregressive error specification is hypothesized. This error specification is shown to contain several commonly used specifications as special cases. A Monte Carlo experiment was performed to examine the finite sample performance of our estimator in comparison with several other estimators. The general results were that the new estimator performed relatively well.