Small Sample Properties of Alternative Estimators of Seemingly Unrelated Regressions
似不相关回归不同估计量的小样本性质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：摘要研究一般似不相关回归系统的小样本估计，未明确涉及面板、时间序列或结构参数识别等细分方向。
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
似不相关回归不同估计量的小样本性质
- 研究问题
- 对于方程间扰动相关的线性回归系统，五种估计方法在小样本中的抽样分布与相对表现有何差异？
- 方法与思路
- 作者用蒙特卡洛实验比较 OLS、两阶段与迭代 Aitken、Telser 迭代及最大似然方法，考察多个模型设定。
- 材料陈述的贡献
- 摘要称三种方法给出相同估计，两阶段 Aitken 在许多情形下表现相当或更好，其多数渐近性质在小样本中也有所体现。
- 阅读关注点
- 应核对哪三种方法得到相同估计、比较表现的损失指标，以及仅用一百次模拟时结果的蒙特卡洛不确定性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体模型设定与数值结果未提供，不能将有限实验中的比较推广至所有情形。
原文摘要
A Monte Carlo experiment is carried out to examine the small sample properties of five alternative estimators of a set of linear regression equations with mutually correlated disturbances. The estimators considered are ordinary least squares, Zellner's two-stage Aitken, Zellner's iterative Aitken, Telser's iterative, and maximum likelihood. The experiment, based on 100 samples, provides approximate sampling distributions for samples of size 10, 20 and 100 for various model specifications. The results show that three of the five estimation methods lead to identical estimates for any sample size, that in many cases the two-stage Aitken estimator performs as well as or better than the other estimators, and that most of the asymptotic properties of this estimator tend to hold in small samples as well.