Comparing Single-Equation Estimators in a Simultaneous Equation System
联立方程系统中单方程估计量的比较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：摘要讨论一般联立方程系统的估计量比较，未指定微观结构模型、宏观系统或金融对象，无法可靠选择领域细分。
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…
联立方程系统中单方程估计量的比较
- 研究问题
- 在联立方程系统中，如何通过均方误差与概率集中程度比较多种单方程估计量，并区分小扰动和大样本渐近结果？
- 方法与思路
- 作者分别在扰动方差趋零和样本量趋于无穷时作分布渐近展开，比较 k 类、组合、修正 LIML 及若干贝叶斯估计量。
- 材料陈述的贡献
- 摘要称，论文给出多项渐近比较不等式，并称在中位数无偏估计量中，LIML 优于中位数无偏的固定 k 类估计量。
- 阅读关注点
- 应核对两种渐近方案的参数保持方式、概率集中程度的定义，以及各不等式和中位数无偏比较成立的具体条件。
- 阅读边界
- 摘要未列明比较条件或有限样本结果；所称 LIML 优势须限定于文中的比较范围，不能解读为对所有估计量全面占优。
原文摘要
Comparisons of estimators are made on the basis of their mean squared errors and their concentrations of probability computed by means of asymptotic expansions of their distributions when the disturbance variance tends to zero and alternatively when the sample size increases indefinitely. The estimators include k -class estimators (limited information maximum likelihood, two-stage least squares, and ordinary least squares) and linear combinations of them as well as modifications of the limited information maximum likelihood estimator and several Bayes' estimators. Many inequalities between the asymptotic mean squared errors and concentrations of probability are given. Among medianunbiasedestimators, the limited information maximum likelihood estimator dominates the median-unbiased fixed k -class estimator.