Asymptotic Expansions of the Distributions of Estimates in Simultaneous Equations for Alternative Parameter Sequences
不同参数序列下联立方程估计量分布的渐近展开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：摘要研究联立方程估计量的一般分布近似与参数渐近序列，未说明具体应用领域，也没有足够证据归入所列细分方向。
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
不同参数序列下联立方程估计量分布的渐近展开
- 研究问题
- 单一联立方程中内生变量系数的 LIML 与 TSLS 估计量，其分布在不同参数极限序列下的渐近展开有何联系？
- 方法与思路
- 作者比较样本量与非中心参数共同增大、固定样本量而非中心参数增大，以及扰动标准差趋零的展开，并讨论扰动协方差已知情形。
- 材料陈述的贡献
- 摘要称论文联系了不同极限路径下的分布展开，为理解样本量渐近、固定样本量参数渐近与小扰动方法之间的关系提供分析。
- 阅读关注点
- 核对各参数序列的精确定义、非中心参数的含义及协方差已知假设，查看展开系数和余项如何在不同极限路径之间对应。
- 阅读边界
- 摘要未给出展开系数、余项界或近似误差，也未完整说明各序列的适用条件，不能据此判断有限样本下哪种展开更准确。
原文摘要
The distributions of the LIML and TSLS estimates of the coefficient of an endogenous variable in a single equation can be approximated by asymptotic expansions. This paper relates the expansions in terms of the noncentrality parameter and the sample size going to infinity, the noncentrality parameter going to infinity with the sample size held fixed, and the standard deviation of the disturbance going to zero (small-o). 1. INTRODUCriON RECENTLY, ASYMPTOTIC EXPANSIONS of the distributions of estimates of coefficients of a single equation in a system of simultaneous equations have been made by Anderson [1], Anderson and Sawa [2], Mariano [6 and 7], and Sargan and Mikhail [11]. The expansions have usually been carried out on the basis that the sample size increases and that the effect of the exogenous variables (the noncentrality parameter) increases along with the sample size. In this paper we consider the case of the covariance matrix of the disturbances known and alternatively the case of the sample size fixed. We relate these three cases to the approach of letting the disturbance decrease (the small-o- approach). The estimates treated are two-stage least squares (TSLS) and limited information maximum likelihood (LIML).