Finite Sample Analysis of Misspecification in Simultaneous Equation Models
联立方程模型设定错误的有限样本分析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：摘要讨论通用联立方程估计量的设定错误性质，未明确给出所列微观结构或因果研究框架。
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
联立方程模型设定错误的有限样本分析
- 研究问题
- 在联立方程模型中，估计方程或系统其他方程遗漏相关外生变量，会如何改变单个方程中 k 类估计量的偏差与均方误差？
- 方法与思路
- 作者在包含两个内生变量的情形分析精确抽样分布，给出偏差和均方误差的精确表达，以及大集中参数下的渐近展开。
- 材料陈述的贡献
- 摘要称严重设定错误下 OLS 可能较有利，并在特定遗漏情形下给出非随机 k 类估计量被 OLS 或 2SLS 渐近均方误差支配的结果。
- 阅读关注点
- 应核对两种遗漏位置的区别、两个内生变量的限制、非随机 k 的取值范围，以及有限样本结论与渐近均方误差结论的区别。
- 阅读边界
- 仅据版本未注明的索引摘要，不能推断刊本变化；OLS 的比较优势依赖所述设定，不能据此一般性否定工具变量估计。
原文摘要
This article examines the effects of misspecification on the exact sampling distributions of the k-class estimators of a single equation in a simultaneous equations model. The analysis focuses on the effects of excluding relevant exogenous variables. The misspecification may occur in either the estimated equation itself or in the other equations in the system. Exact expressions and large-concentration parameter asymptotic expansions are stated and analyzed for the bias and mean squared error (MSE) of the k-class estimators in the case of two included endogenous variables. The results in the article suggest that ordinary least squares (OLS) will often be preferable to two-stage least squares (2SLS) when misspecification is a serious possibility; the relative insensitivity of OLS to specification error outweighs its disadvantage in terms of bias and MSE in the correctly specified case. Further, when relevant exogenous variables are omitted from the estimated equation but not from the system, the entire k class, for nonstochastic k (0 ≤ k ≤ 1), is dominated in terms of asymptotic MSE by either OLS or 2SLS.