Weak consistency and asymptotic normality of the ordinary least-squares estimator in a linear regression with adaptive learning is derived when the crucial, so-called, `gain' parameter is estimated in a first step by nonlinear least squares from an auxiliary model. The singular limiting distribution of the two-step estimator is normal and in general affected by the sampling uncertainty from the first step. However, this `generated-regressor' issue disappears for certain parameter combinations.
翻译：当一个辅助模型的非线性最小方块第一步估计关键、所谓的“增量”参数时,就得出了适应性学习线性回归中普通最低方块估计值的薄弱一致性和无症状常态。两步估计值的单一限制分布是正常的,一般受第一步取样不确定性的影响。然而,对于某些参数组合而言,“产生的反射器”问题消失。
相关内容
专知会员服务
75+阅读 · 2020年2月8日
Arxiv
0+阅读 · 2022年12月21日
Arxiv
0+阅读 · 2022年12月21日
Arxiv
0+阅读 · 2022年12月21日
Arxiv
0+阅读 · 2022年12月21日
Arxiv
0+阅读 · 2022年12月21日
Arxiv
0+阅读 · 2022年12月20日
相关VIP内容
专知会员服务
75+阅读 · 2020年2月8日
相关资讯
相关论文
Arxiv
0+阅读 · 2022年12月21日
Arxiv
0+阅读 · 2022年12月21日
Arxiv
0+阅读 · 2022年12月21日
Arxiv
0+阅读 · 2022年12月21日
Arxiv
0+阅读 · 2022年12月21日
Arxiv
0+阅读 · 2022年12月20日
微信扫码咨询专知VIP会员