A Monte Carlo Study of Small-Sample Properties of Simultaneous Equation Estimators with Normal and Nonnormal Disturbances
正态与非正态扰动下联立方程估计量的小样本蒙特卡洛比较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：摘要直接比较联立方程结构系数的多种估计方法，属于结构方程估计方向。
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
正态与非正态扰动下联立方程估计量的小样本蒙特卡洛比较
- 研究问题
- 在正态与非正态扰动下，联立方程估计量对结构系数和内生变量预测的小样本偏差、离散程度及均方误差如何变化？
- 方法与思路
- 作者在过度识别模型的两个实验中，以四种误差分布比较最小二乘、二阶段和三阶段最小二乘及全信息最大似然估计。
- 材料陈述的贡献
- 摘要称实验中的估计量排序未随四种误差分布改变；最小二乘偏差较大，最大似然多数指标较优但存在明确例外。
- 阅读关注点
- 应核对联立模型、识别强度和误差分布设定，区分结构系数与预测目标，并检查参数及非参数评价指标的差异。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；结论来自样本量二十、千次重复的两个实验，不能外推为一般效率排序或推断刊本变化。
原文摘要
In this paper we consider four alternative forms of two-parameter normal and nonnormal error distributions and report on a Monte Carlo study of the small-sample properties of least squares, two-stage least squares, three-stage least squares and full information maximum likelihood estimators. On the basis of 1,000 replications of sample size 20 in two experiments on an overidentified model, we found that the small-sample rankings of econometric estimators of both structural coefficients and forecasts of endogenous variables, according to parametric and nonparametric measures of bias, dispersion, and dispersion including bias, do not change for any of the four error distributions. Further, least squares is the most biased and maintains the Gauss-Markov property of minimum variance. The large bias of least squares, however, more than offsets the small variance, so that least squares exhibits the largest mean squares of the four estimators. Maximum likelihood is least biased and most efficient, except as an estimator of structural coefficients on the parametric measure of mean squared error.