A Truncated Maximum Likelihood Estimator of a Constrained Bivariate Linear Regression Coefficient
受约束二元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：摘要讨论一般二元回归中的约束与估计方差，没有明确涉及所列因果、面板、宏观或金融细分方向。
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
受约束二元线性回归系数的截断极大似然估计
- 研究问题
- 在二元线性回归中，样本量和两方程扰动相关程度都较小时，受约束估计是否仍比无约束估计方差更小？
- 方法与思路
- 作者考察截断极大似然估计，以讨论受约束与无约束回归系数估计的选择依据及其方差表现。
- 材料陈述的贡献
- 摘要指出通常的方差排序可能在小样本、低扰动相关情形下逆转，并提出用截断估计讨论两类估计的适当性。
- 阅读关注点
- 应核对系数约束与截断规则的具体定义、方差排序逆转的条件，以及比较是否同时考虑偏差和均方误差。
- 阅读边界
- 仅有 OpenAlex 索引摘要，稿件版本未注明；约束形式、截断规则和风险比较未说明，不能推断后续刊本变化。
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.