跳转至

Second-Order Least Squares Method for Statistical Inference in Linear Models with Asymmetric Errors

作者: Sanha Kil, Yuliya V. Martsynyuk, Liqun Wang
主题: 数理统计 / 假设检验
相关性: 6/10
链接: https://arxiv.org/abs/2611.01017


一、领域脉络与小综述

这个方向是什么。 这条子线索要解决的根本问题是:当线性(或非线性)回归模型的误差分布不对称时,如何利用数据的高阶矩信息构造比 OLS 更有效的估计量,并据此做更精确的区间估计与更有效的假设检验。 它的成熟度属于"经典半参数效率理论的一个具体分支":核心估计量(二阶最小二乘,SLS)的渐近正态性早在 2008 年就由 Wang & Leblanc 在一般非线性模型下建立,效率最优性由 Kim & Ma (2012) 补上;此后十余年主要是把 SLS 搬到各种具体模型(测量误差、混合效应、删失、时间序列、动态面板)和最优设计问题上。本文的位置是:**回到最基础的线性模型,把 SLS 的推断性质(置信区间、Wald 检验)和数值算法补全,并声称把 Wang-Leblanc 的"限制性正则条件"在


Maintained by 陈星宇 · Homepage · Source on GitHub

评论