• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>The econometrics journal >Partially adaptive estimation via the maximum entropy densities
【24h】

Partially adaptive estimation via the maximum entropy densities

机译：通过最大熵密度进行部分自适应估计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We propose a partially adaptive estimator based on information theoretic maximum entropy estimates of the error distribution. The maximum entropy (maxent) densities have simple yet flexible functional forms to nest most of the mathematical distributions. Unlike the non-parametric fully adaptive estimators, our parametric estimators do not involve choosing a bandwidth or trimming, and only require estimating a small number of nuisance parameters, which is desirable when the sample size is small. Monte Carlo simulations suggest that the proposed estimators fare well with non-normal error distributions. When the errors are normal, the efficiency loss due to redundant nuisance parameters is negligible as the proposed error densities nest the normal. The proposed partially adaptive estimator compares favourably with existing methods, especially when the sample size is small. We apply the estimator to a stochastic frontier model, whose error distribution is usually non-normal.
机译：我们基于误差分布的信息理论最大熵估计，提出了一种部分自适应估计器。最大熵（最大）密度具有简单而灵活的函数形式，可以嵌套大多数数学分布。与非参数完全自适应估计器不同，我们的参数估计器不涉及选择带宽或修整，而仅需要估计少量的烦人参数，这在样本量较小时是理想的。蒙特卡洛模拟表明，所提出的估计量与非正态误差分布相符。当误差为正常值时，由于建议的误差密度嵌套在正常值上，因此冗余参数造成的效率损失可以忽略不计。所提出的部分自适应估计器与现有方法相比具有优势，尤其是在样本量较小时。我们将估计器应用于随机边界模型，其误差分布通常是非正态的。

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