Martínez-Zarzoso (2013) compares di

Martínez-Zarzoso (2013) compares different estimations techniques that have been proposed in the economic literature to deal with issues concerning zero
trade values and heteroskedastic residuals. Using simulations to compare PPML, GPML, NLS and FGLS estimators, she finds that although the PPML estimator is
less affected by heteroskedasticity than others are, its performance is similar, in terms of bias and standard errors, to the FGLS estimator performance, in particular
for small samples. GPML presents however the lowest bias and standard errors in the simulations without zero values. The results of the empirical estimations,
using three different samples containing real data, indicate that the choice of estimator has to be made for each specific dataset. There is not a general “best”
estimator and it is highly recommended to follow a model selection approach using a number of tests to select the more appropriate estimator for any application

ผลลัพธ์ (ไทย) 1:

Martínez-Zarzoso (2013) เปรียบเทียบเทคนิคต่าง ๆ ประมาณที่ได้รับการเสนอชื่อในวรรณคดีเศรษฐกิจการจัดการกับปัญหาที่เกี่ยวข้องกับศูนย์ค่าทางการค้าและค่าคงเหลือ heteroskedastic โดยใช้สถานการณ์จำลองเพื่อเปรียบเทียบ estimators PPML, GPML, NLS และ FGLS เธอพบว่าแม้ว่าจะประมาณ PPMLน้อยได้รับผลกระทบ โดย heteroskedasticity กว่าผู้อื่น มันจะคล้าย ความโน้มเอียงและข้อผิดพลาดมาตรฐาน กับประสิทธิภาพประมาณ FGLS โดยเฉพาะตัวอย่างขนาดเล็ก GPML นำเสนอแต่ อคติและผิดมาตรฐานแบบจำลองไม่ต่ำศูนย์ค่า ผลของการประเมินผลใช้สามตัวอย่างอื่นที่ประกอบด้วยข้อมูลที่แท้จริง การบ่งชี้ว่า มีหลากหลายประมาณจะทำสำหรับแต่ละชุดข้อมูลเฉพาะ ไม่ทั่วไป "ส่วน"ประมาณการและแนะนำตามวิธีการเลือกรุ่นใช้ทดสอบต้องประมาณการที่เหมาะสมสำหรับโปรแกรมประยุกต์ใด ๆ

ผลลัพธ์ (ไทย) 2:

Martínez-Zarzoso (2013)
เปรียบเทียบประมาณการที่แตกต่างกันเทคนิคที่ได้รับการเสนอในวรรณคดีทางเศรษฐกิจที่จะจัดการกับปัญหาที่เกี่ยวข้องกับศูนย์ค่าการค้าและการเหลือheteroskedastic การใช้แบบจำลองเพื่อเปรียบเทียบ PPML, GPML, NLS และประมาณ FGLS เธอพบว่าแม้ว่าประมาณการ PPML
จะได้รับผลกระทบน้อยลงโดยheteroskedasticity กว่าคนอื่น ๆ ที่มีประสิทธิภาพการทำงานจะคล้ายกันในแง่ของการมีอคติและข้อผิดพลาดมาตรฐานเพื่อประสิทธิภาพการทำงาน FGLS ประมาณการโดยเฉพาะอย่างยิ่ง
สำหรับกลุ่มตัวอย่างขนาดเล็ก GPML นำเสนอ แต่อคติต่ำสุดและข้อผิดพลาดมาตรฐานในการจำลองโดยไม่มีค่าศูนย์
ผลของการประเมินเชิงประจักษ์ที่ใช้สามตัวอย่างที่แตกต่างกันที่มีข้อมูลจริงแสดงให้เห็นว่าทางเลือกของการประมาณการจะต้องมีการทำสำหรับแต่ละชุดข้อมูลที่เฉพาะเจาะจง ที่มีอยู่ไม่ทั่วไป "ดีที่สุด"
ประมาณการและขอแนะนำให้ทำตามวิธีการเลือกรูปแบบใช้ตัวเลขของการทดสอบเพื่อเลือกประมาณการที่เหมาะสมมากขึ้นสำหรับการใช้งานใด ๆ

ผลลัพธ์ (ไทย) 3:

zarzoso มาร์ตีเนซ ( 2013 ) การเปรียบเทียบที่แตกต่างกัน เทคนิคที่ได้นำเสนอในวรรณกรรมทางเศรษฐกิจที่จะจัดการกับประเด็นด้านการค้าและศูนย์
heteroskedastic ค่าความคลาดเคลื่อน . การใช้แบบจำลองเพื่อเปรียบเทียบ ppml gpml , NLS , และประมาณ fgls เธอพบว่าแม้ว่า ppml ประมาณ
ผลกระทบน้อยจาก heteroskedasticity กว่าคนอื่น ๆมี ประสิทธิภาพใกล้เคียงกันในแง่ของอคติและข้อผิดพลาดมาตรฐาน เพื่อ fgls ประมาณการประสิทธิภาพโดยเฉพาะ
ตัวอย่างขนาดเล็ก ของขวัญสุด gpml แต่อคติและข้อผิดพลาดมาตรฐานในการจำลองโดยศูนย์ค่า ผลของการใช้ตัวอย่างเชิงประจักษ์
3 มีข้อมูลที่แท้จริง พบว่า ทางเลือกของการประมาณการมีที่จะทำสำหรับแต่ละชุดข้อมูลที่เฉพาะเจาะจงไม่มีทั่วไป " ดีที่สุด "
ประมาณการและมันเป็นขอแนะนำให้ติดตามรูปแบบการเลือกวิธีการที่ใช้หมายเลขของการทดสอบเพื่อเลือกที่เหมาะสมกว่าประมาณการสำหรับโปรแกรมใด ๆ