Small-Sample Properties of Nonlinear Least Squares and Maximum Likelihood Estimators in the Context of Autocorrelated Errors
自相关误差下非线性最小二乘与最大似然估计的小样本性质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：摘要明确以误差自相关模型为估计比较对象，直接涉及时间序列误差结构。
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
自相关误差下非线性最小二乘与最大似然估计的小样本性质
- 研究问题
- 在误差自相关的模型中，非线性最小二乘和最大似然估计的小样本效率，是否支持既有模拟研究的比较结论？
- 方法与思路
- 作者部分复现 Rao 与 Griliches 的 Monte Carlo 研究，并加入最大似然估计作为竞争方法，比较小样本表现。
- 材料陈述的贡献
- 摘要称其模拟结果与既有研究不一致，非线性及最大似然估计的小样本效率较高，从而改变了部分原有结论。
- 阅读关注点
- 应核对复现保留与改变的模拟设定、效率指标、数值求解方法，以及结论差异是否由实验设计或实现造成。
- 阅读边界
- 仅据 OpenAlex 索引摘要，版本未注明；模拟设计和具体结果未提供，效率评价仅是作者对所考察情形的报告。
原文摘要
Rao and Griliches (1969) compared several methods of parameter estimation in models having autocorrelated errors. They concluded that nonlinear least squares estimators were not superior to two-stage linear estimators. This study partially replicates the Rao and Griliches Monte Carlo simulation and, in addition, examines the maximum likelihood estimator as a possible competitor. The simulation results are not consistent with those of Rao and Griliches; the small-sample efficiency of nonlinear and maximum likelihood estimators appears to be consistently high and thus reverses some of Rao and Griliches's conclusions.