On the Sensitivity of Simultaneous-Equations Estimators to the Stochastic Assumptions of the Models
联立方程估计量对模型随机假设的敏感性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系统的多种估计方法，与结构方程估计方向直接相关。
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
联立方程估计量对模型随机假设的敏感性
- 研究问题
- 外生变量误差、随机系数、异方差和自相关扰动如何影响联立方程估计量的分布、相对表现及标准误的实用性？
- 方法与思路
- 作者开展多组抽样实验，比较直接最小二乘、两阶段与三阶段最小二乘、Nagar 估计量及有限和完全信息最大似然。
- 材料陈述的贡献
- 摘要称，随机系数明显增大估计分散程度并改变方法的相对表现；其他受考察条件对中心位置、相对表现和标准误影响较小。
- 阅读关注点
- 应核对实验中的方程系统、识别设定、样本量和各类随机偏离的强度，以及标准误实用性与估计分散程度的衡量方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；结论限定于所做抽样实验，不能据此判断这些估计量普遍耐受异方差或自相关。
原文摘要
The paper reports the results of several sampling experiments investigating the sensitivity of various simultaneous-equations estimators to errors in the exogenous variables, stochastic coefficients, heteroskedastic disturbances and auto correlated disturbances. The estimates studied are direct least squares, two-stage least squares, Nagar's unbiased k-class estimator, limited-information maximum likelihood, three-stage least squares, and full-information maximum likelihood. Stochastic coefficients altered the ranking of the estimators and increased their dispersions greatly. The other conditions did not produce great changes in the rankings of the estimators, the central tendencies of their distributions or the usefulness of their standard errors.