Errors in Variables: A Consistent Estimator with Smaller MSE in Finite Samples
变量测量误差：有限样本均方误差更小的一致估计量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：摘要研究通用测量误差估计，未明确因果目标、面板结构或其他所列细分领域。
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
变量测量误差：有限样本均方误差更小的一致估计量
- 研究问题
- 当数据可能含有测量误差时，如何利用样本信息组合或选择 OLS 与 IV 估计，以改善小样本和中等样本的均方误差？
- 方法与思路
- 作者考虑 OLS 与 IV 的线性组合以及二者之间的样本驱动选择，通过大样本近似推导最优程序，再用蒙特卡洛评估。
- 材料陈述的贡献
- 摘要提出两类替代估计策略，并以小样本和中等样本均方误差检验近似最优程序；未给出具体改善幅度或适用范围。
- 阅读关注点
- 阅读时应核对测量误差与工具变量的条件、组合权重和选择规则，以及一致性、最优性和模拟比较分别依赖哪些设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；题名提及一致性及较小均方误差，但摘要未交代保证这些性质的具体条件。
原文摘要
This article develops and examines the small sample properties of alternative estimators when the data is suspected to contain measurement error. Two types of estimators are considered: (1) a linear combination of the OLS and instrumental variable (IV) estimators and (2) a method of choosing between the OLS and IV estimators on the basis of sample information. Large sample approximations are used to derive optimal procedures that are then evaluated by Monte Carlo experiments to obtain the mean square error for small and moderate size samples.