Estimation with Pairwise Observations
基于成对观测的估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要属于通用线性回归估计理论，未明确建立工具变量识别或其他所列细分领域的应用。
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
基于成对观测的估计
- 研究问题
- 在线性回归中，能否通过观测对斜率的加权平均构造有效估计，并利用残差不被强制正交的性质检验解释变量内生性？
- 方法与思路
- 作者以成对观测形成的斜率作加权平均，不通过目标函数优化求解，并针对特定权重研究一致性及支持推断的渐近分布。
- 材料陈述的贡献
- 摘要称适当选择权重可获得一致估计与渐近分布，且残差无需按构造与解释变量正交，从而支持内生性检验等应用。
- 阅读关注点
- 应核对权重选择、观测对斜率的定义、多解释变量情形的处理，以及残差相关检验的零假设、识别条件和有效性。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或接收。摘要未说明权重及矩条件，残差不强制正交本身不保证能有效检验内生性。
原文摘要
The paper introduces a new estimation method for the standard linear regression model. The procedure is not driven by the optimisation of any objective function rather, it is a simple weighted average of slopes from observation pairs. The paper shows that such estimator is consistent for carefully selected weights. Other properties, such as asymptotic distributions, have also been derived to facilitate valid statistical inference. Unlike traditional methods, such as Least Squares and Maximum Likelihood, among others, the estimated residual of this estimator is not by construction orthogonal to the explanatory variables of the model. This property allows a wide range of practical applications, such as the testing of endogeneity, i.e., the correlation between the explanatory variables and the disturbance terms.