|
关注：1
2013-05-23 12:21
求翻译：Our Equation (A) involves non-negative dependent variable censored at the lower end at zero value. When the error terms satisfy the classical assumptions, the application of Tobit-ML (maximum likelihood) estimation shall provide unbiased and consistent coefficient estimates as compared to biased estimates provided by o是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
Our Equation (A) involves non-negative dependent variable censored at the lower end at zero value. When the error terms satisfy the classical assumptions, the application of Tobit-ML (maximum likelihood) estimation shall provide unbiased and consistent coefficient estimates as compared to biased estimates provided by o
问题补充： |
|
2013-05-23 12:21:38
我们的公式（一）涉及审查在零值的低端非负因变量。
|
|
2013-05-23 12:23:18
我们的等式(a)介入非负因变量被检察在低价在零位值。当错误期限满足古典假定， Tobit ML (最大概似法)估计的应用将提供公正和一致的系数估计与普通的最小平方的估计提供的偏心的估计比较。本研究为与健壮标准误差的估计方程(a)使用了Tobit估计。
|
|
2013-05-23 12:24:58
我们的等式 (A) 介入non-negative因变量被检察在末端在零的价值。 当错误期限满足古典假定， Tobit机器语言最大可能性估计的 (应用) 将提供公正和一致的系数估计与普通的最小平方的估计提供的偏心的估计比较。 本研究为估计等式使用了Tobit估计 (A) 以健壮标准误差。
|
|
2013-05-23 12:26:38
我们的方程 (A) 涉及检察在零值较低一端的非负相关变量。当错误条件满足古典假定，Tobit 毫升 （最大似然) 估计应提供无偏见和一致系数估计而提供的普通最小二乘估计的有偏估计的应用程序。本研究已用于 Tobit 估计估计方程 (A) 与鲁棒的标准误差。
|
|
2013-05-23 12:28:18
我们的等式 (A) 涉及在零种价值在更低的终端被审查的非负面依赖的变量字母。错误称呼为时满足古典假设， Tobit-ML 的申请 ( 最大程度的可能性 ) 估计将提供无偏和一致系数预计如与有偏见的估计相比由普通最小的正方形估计提供。目前的研究在预计等式方面使用了 Tobit 估计 (A) 以强壮标准错误。
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
