Using Bootstrapped Confidence Intervals for Improved Inferences with Seemingly Unrelated Regression Equations
利用自助法置信区间改善似不相关回归方程的推断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：摘要研究一般似不相关回归的自助推断，未明确涉及所列领域的数据结构或应用。
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
利用自助法置信区间改善似不相关回归方程的推断
- 研究问题
- 似不相关回归中通常标准误的向下偏误如何影响推断，将自助法用于标准误或 t 比率是否会产生不同效果？
- 方法与思路
- 作者通过蒙特卡洛实验比较两种自助法使用方式，重点考察针对 t 比率构造推断与针对标准误进行自助估计的差异。
- 材料陈述的贡献
- 摘要称，通常标准误存在明显向下偏误，自助标准误似乎不能改善推断，而对 t 比率使用自助法可明显改善所示模拟中的推断。
- 阅读关注点
- 应核对自助抽样如何保留方程间相关性、t 比率与区间的构造，以及模拟中用于比较推断效果的指标和设计范围。
- 阅读边界
- 仅据所给 Crossref 摘要，改进依据是蒙特卡洛证据；区间算法、偏误与覆盖率数值均未说明，也不能推断其他版本变化。
原文摘要
The usual standard errors for the regression coefficients in a seemingly unrelated regression model have a substantial downward bias. Bootstrapping the standard errors does not seem to improve inferences. In this paper, Monte Carlo evidence is reported which indicates that bootstrapping can result in substantially better inferences when applied to t -ratios rather than to standard errors.