Identification of the Ordered Bivariate Normal Distribution by Minimum Variate
通过最小值变量识别有序二元正态分布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：摘要明确将参数识别问题联系到Tobin和Fair–Jaffee等计量模型中的估计，支持结构估计方向。
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
通过最小值变量识别有序二元正态分布
- 研究问题
- 仅利用最小值变量的分布，能否识别有序二元正态分布的参数，哪些子族可以识别而一般族为何不能识别？
- 方法与思路
- 作者研究最小值变量所含的参数信息，分别考察协方差矩阵满秩及其他子族，并与一般分布族的识别情况比较。
- 材料陈述的贡献
- 摘要称，满秩协方差矩阵及其他子族的参数可以由最小值变量识别，而一般族不能识别，并指出相关计量模型背景。
- 阅读关注点
- 应核对有序二元正态族的定义、参数识别的等价关系，以及满秩限制和其他子族条件如何对应具体计量模型。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未列全子族条件或不可识别构造，也未提供可实施的估计方法。
原文摘要
For full-rank covariance matrix and other subfamilies of the ordered bivariate normal distribution, the identifiability of parameters by the minimum variate is demonstrated. For the general family, the distribution is not identified. These identifiability questions arise in connection with estimation within certain econometric models, for example, Tobin and Fair-Jaffee.