Alternative Bias Approximations in Regressions with a Lagged-Dependent Variable
含滞后因变量回归的不同偏差近似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：摘要直接研究含滞后因变量的动态回归及其时间序列估计偏差。
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
含滞后因变量回归的不同偏差近似
- 研究问题
- 在含一期滞后因变量的动态多元回归中，大样本与小扰动展开如何近似最小二乘小样本偏差，并改善偏差校正？
- 方法与思路
- 作者在高斯白噪声设定下分别推导样本量倒数阶与扰动标准差平方阶的偏差近似，以模拟和一个实证例子比较校正表现。
- 材料陈述的贡献
- 摘要称所考察比较中大样本方法更好、易于应用，并能产生偏差更小且更有效率的估计量；该结论属于作者报告。
- 阅读关注点
- 应核对初始值、外生回归变量与参数设定，以及两种展开的余项、校正公式和模拟中偏差与均方误差的比较范围。
- 阅读边界
- 仅据所给 Crossref 摘要；模拟设计及数值未提供，校正阶数处有排印疑点，作者的优越性结论不能视为普遍保证。
原文摘要
The small sample bias of the least-squares coefficient estimator is examined in the dynamic multiple linear regression model with normally distributed whitenoise disturbances and an arbitrary number of regressors which are all exogenous except for the one-period lagged-dependent variable. We employ large sample ( T → ∞) and small disturbance (σ → 0) asymptotic theory and derive and compare expressions to O ( T −1 ) and to O (σ 2 ), respectively, for the bias in the least-squares coefficient vector. In some simulations and for an empirical example, we examine the mean (squared) error of these expressions and of corrected estimation procedures that yield estimates that are unbiased to O ( T −l ) and to O (σ 2 ), respectively. The large sample approach proves to be superior, easily applicable, and capable of generating more efficient and less biased estimators.