• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Statistical and Econometric Methods >Omitted Variables Bias in Regime-Switching Models with Slope-Constrained Estimators: Evidence from Monte Carlo Simulations
【24h】

Omitted Variables Bias in Regime-Switching Models with Slope-Constrained Estimators: Evidence from Monte Carlo Simulations

机译：具有斜率约束估计量的体制转换模型中的遗漏变量偏差：来自蒙特卡洛模拟的证据

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In a recent study, Beccarini [1] showed that one can eliminate or reduce the bias in OLS regression estimators caused by an omitted polychotomous variable by estimating a regime-switching model. If the missing polychotomous variable assumes K values, then elimination or reduction of the bias requires the estimation of a K-component mixture model. In his Monte Carlo simulations, however, the slope of the parameter of interest is estimated once for each of the K components. After discussing problems associated with multiple estimates of the parameter of interest, this paper extends Beccarini’s Monte Carlo analysis to include the slope-constrained estimator obtained by using the EM algorithm of Bartolucci and Scaccia [2]. We find a small gain in efficiency with the slope-constrained estimator and that the weighted-average estimator in Beccarini [1] produces a large number of rejections of the true null hypothesis of a single slope when the components are not widely separated.
机译：在最近的一项研究中，Beccarini [1]表明，可以通过估计一种政权转换模型来消除或减少由缺失的多变量变量导致的OLS回归估计器中的偏差。如果缺失的多变量变量采用K值，则要消除或减少偏差就需要估算K成分混合模型。但是，在他的蒙特卡洛模拟中，对于K个分量中的每个分量，感兴趣参数的斜率都被估算了一次。在讨论了与感兴趣的参数的多个估计有关的问题之后，本文扩展了Beccarini的蒙特卡洛分析，以包括使用Bartolucci和Scaccia [2]的EM算法获得的斜率约束估计量。我们发现斜率约束估计器的效率提高很小，并且当分量没有广泛分离时，Beccarini [1]中的加权平均估计器对单个斜率的真零假设产生了大量拒绝。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号