Asymptotic least‐squares estimation efficiency considerations and applications
渐近最小二乘估计的效率问题及应用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：摘要的明确应用是具有非线性跨方程限制的动态理性预期要素需求模型，支持结构估计分类。
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
渐近最小二乘估计的效率问题及应用
- 研究问题
- 加入额外信息如何改变渐近最小二乘估计的大样本效率，它与极大似然有何联系，并如何处理非线性跨方程限制？
- 方法与思路
- 作者在统一框架中分析额外信息对 ALS 效率的影响及其与极大似然的关系，并应用于荷兰制造业动态要素需求模型。
- 材料陈述的贡献
- 摘要称，ALS 可为广泛计量模型提供渐近有效估计，涵盖文献中的多项特例，并展示处理非线性跨方程限制的潜力。
- 阅读关注点
- 应核对效率成立的条件、额外信息的形式和权重选择，以及理性预期要素需求应用中的跨方程限制与估计步骤。
- 阅读边界
- 所给 Crossref 摘要未展开效率定理的条件或应用数值，不能据此认定 ALS 在所有模型或有限样本中均有效。
原文摘要
Abstract This paper is concerned with the large sample efficiency of the asymptotic least‐squares (ALS) estimators introduced by Gouriéroux, Monfort, and Trognon (1982, 1985) and Chamberlain (1982, 1984). We show how the efficiency of these estimators is affected when additional information is incorporated into the estimation procedure. The relationship between ALS and maximum likelihood is discussed. It is shown that ALS can be used to obtain asymptotically efficient estimates for a large range of econometric models. Many results from the literature on estimation are special cases of the framework adopted in this paper. An application of ALS to a dynamic rational expections factor demand model in the manufacturing sector in The Netherlands demonstrates the potential of the method in the estimation of the parameters in models which are subject to nonlinear cross‐equation restrictions.