Singularity and Autoregressive Disturbances in Linear Logit Models
线性 logit 模型中的奇异性与自回归扰动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：摘要研究需求系统中线性 logit 模型的设定及序列相关下的估计，其研究对象与方法最直接关联结构需求估计。
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
线性 logit 模型中的奇异性与自回归扰动
- 研究问题
- 需求系统的线性 logit 模型引入自回归扰动后，误差分布假设与估计会受到怎样的影响，其相对加性扰动份额方程的适用性如何？
- 方法与思路
- 作者比较线性 logit 模型与加性扰动份额方程的正态性假设，讨论自回归误差对估计的影响，并提供理论论证和经验证据。
- 材料陈述的贡献
- 摘要认为，线性 logit 模型的误差正态假设更合适，并称理论与经验证据支持在存在序列相关时采用这一需求系统设定。
- 阅读关注点
- 应核对题名中奇异性的来源、需求系统约束与误差协方差结构，以及理论论证和经验比较如何支持所采用的模型设定。
- 阅读边界
- 摘要未说明自回归阶数、样本范围、估计公式或比较证据的强度，也未解释奇异性的处理；模型适用性的主张仍需核对全文。
原文摘要
The implications of including autoregressive disturbances in linear logit models of demand systems are explored. It is argued that the normality assumption of the error terms is more appropriate in the linear logit model than in a share equation model with additive disturbances (commonly found in the literature). Autoregressive disturbances and their implications for model estimation are discussed in that context. Both theoretical arguments and empirical evidence are presented in favor of the logit specification given the presence of serial correlation.