Estimators for Seemingly Unrelated Regression Equations: Some Exact Finite Sample Results
似不相关回归方程估计量的若干精确有限样本结果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：摘要研究一般回归方程系统的有限样本理论，未明确涉及面板、因果或特定宏观金融模型。
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
似不相关回归方程估计量的若干精确有限样本结果
- 研究问题
- 某种渐近有效的似不相关回归系数估计方法，在有限样本中的矩、分布及效率如何，与通常最小二乘估计有何差异？
- 方法与思路
- 作者推导该系数估计量的精确一阶矩、二阶矩及概率密度，与最小二乘估计比较，并考察分布随样本量的变化。
- 材料陈述的贡献
- 摘要称，该估计量较快接近渐近正态分布，且在较广条件范围内，有限样本可实现相当部分的渐近效率收益。
- 阅读关注点
- 应核对精确分布所依赖的误差与设计条件、效率比较采用的损失标准，以及所谓较快收敛和较广条件的具体范围。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未列出适用条件、样本量门槛和效率数值，不能将其结论推广到所有回归系统。
原文摘要
The finite sample properties of an asymptotically efficient technique (JASA, June, 1962) for estimating coefficients in certain generally encountered sets of regression equations are studied in this paper. In particular, exact first and second moments of the asymptotically efficient coefficient estimator are derived and compared with those of the usual least squares estimator. Further, the exact probability density function of the new estimator is derived and studied as a function of sample size. It is found that the approach to asymptotic normality is fairly rapid and that for a wide range of conditions an appreciable part of the asymptotic gain in efficiency is realized in samples of finite size.