Ancillarity and the Limited Information Maximum-Likelihood Estimation of a Structural Equation in a Simultaneous Equation System
辅助性与联立方程中单个结构方程的有限信息最大似然估计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：摘要明确研究联立方程中的单个结构方程及 LIML，直接属于结构估计方法。
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…
辅助性与联立方程中单个结构方程的有限信息最大似然估计
- 研究问题
- 在联立方程中估计单个结构方程时，给定辅助统计量如何影响 LIML 的条件协方差和估计精度判断？
- 方法与思路
- 作者运用弯曲指数族与辅助性概念，分析二阶渐近辅助统计量，并结合分布展开和精确分布研究最小特征根。
- 材料陈述的贡献
- 摘要称，Liu–Breen 公式可有效估计相关渐近条件协方差，且 LIML 的最小特征根能提供直观的精度衡量。
- 阅读关注点
- 应核对最大辅助统计量与最小特征根的区别、二阶辅助性的定义，以及条件协方差估计和精度解释的成立条件。
- 阅读边界
- 仅依据所给 Crossref 摘要，无法判断条件化的具体收益、公式形式或分布假设，也不能声称该精度指标普遍适用。
原文摘要
The concepts of the curved exponential family of distributions and ancillarity are applied to estimation problems of a single structural equation in a simultaneous equation model, and the effect of conditioning on ancillary statistics on the limited information maximum-likelihood (LIML) estimator is investigated. The asymptotic conditional covariance matrix of the LIML estimator conditioned on the second-order asymptotic maximal ancillary statistic is shown to be efficiently estimated by Liu and Breen's formula. The effect of conditioning on a second-order asymptotic ancillary statistic, i.e., the smallest characteristic root associated with the LIML estimation, is analyzed by means of an asymptotic expansion of the distribution as well as the exact distribution. The smallest root helps to give an intuitively appealing measure of precision of the LIML estimator.