The Statistical Properties of the Equity Estimator
Equity 估计量的统计性质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：摘要聚焦一般估计量的统计性质与营销模型模拟，未明确涉及给定列表中的特定微观、宏观或金融计量方向。
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
Equity 估计量的统计性质
- 研究问题
- 作者考察 Equity 估计量是否一致，以及它能否在均方误差上改善最小二乘估计，并与两种经验贝叶斯估计作比较。
- 方法与思路
- 摘要称，作者分析该估计量的统计性质，并基于营销数据与价格—促销模型进行 Monte Carlo 实验，比较各估计量的均方误差。
- 材料陈述的贡献
- 摘要称，Equity 估计量不一致，且未必改善最小二乘的均方误差；两种经验贝叶斯估计在几乎全部模拟情形下均方误差明显更小。
- 阅读关注点
- 阅读全文时应核对 Equity 估计量的定义、不一致论证及其假设，并检查模拟设计、营销数据的作用和均方误差比较范围。
- 阅读边界
- 摘要未说明不一致结论的假设、模拟参数或结果幅度；经验贝叶斯估计的优势仅为摘要所述实验结果，不能推广至其他模型。
原文摘要
The equity estimator, proposed by L. Krishnamurthi and A. Rangaswamy (1987), is shown to be inconsistent and to not necessarily improve upon the mean square error of the least squares estimator. A Monte Carlo experiment, based on the price-promotion model marketing research, with marketing data, is performed. The mean square error of the equity estimator is compared to that of two empirical Bayes estimators and the least square estimator. The empirical Bayes estimators have substantially smaller mean square error than the equity estimator in almost every case.