MEASUREMENT ERRORS IN DYNAMIC MODELS
动态模型中的测量误差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：摘要明确研究动态模型的测量误差识别，并讨论向量自回归和面板数据模型。
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
动态模型中的测量误差
- 研究问题
- 在测量误差可能具有序列相关、部分概率结构未指定或未利用时，动态模型的参数如何获得有限信息识别？
- 方法与思路
- 作者通过比较含误差观测模型与真实数据模型的动态结构，推导识别的阶条件和秩条件，并研究不同模型的含义。
- 材料陈述的贡献
- 摘要称，污染数据更丰富的动态结构是识别关键，简单比较未知参数总数并不足够，并讨论单方程、VAR 和面板模型。
- 阅读关注点
- 应核对阶条件与秩条件分别保证什么、测量误差动态如何受限，以及不同模型中可估计结构如何映射到真实参数。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；具体识别条件、可用信息和估计程序未说明，不能由存在动态就推断参数必然可识别。
原文摘要
Static models that are not identifiable in the presence of white noise measurement errors are known to be potentially identifiable when the model has dynamics. However, few results are available for the plausible case of serially correlated measurement errors. This paper provides order and rank conditions for “limited information” identification of parameters in dynamic models with measurement errors where some aspects of the probability model are not fully specified or utilized. The key is to consider a model for the contaminated data that has richer dynamics than the model for the correctly observed data. Simply counting the total number of unknown parameters in the true model relative to the estimable model will not yield an informative order condition for identification. Implications for single-equation, vector autoregressive, and panel data models are studied.