Estimation of SUR Model with Non-Nested Missing Observations Academic Article uri icon

abstract

  • This paper considers alternative two-step estimators and their small sample properties for the seemingly unrelated regression (SUR) model with non-nested missing observations. A Monte Carlo experiment indicates that alternative estimators have more profound differences in their efficiency, compared to the case of nested missing observations. In particular, the two-step application of the Hartley-Hocking maximum likelihood estimator can realize a significant gain in efficiency. There are substantial losses in efficiency when only the subset of data that has complete observations is used in estimation. /// Cet article prend en considération des estimateurs de remplacement à; deux échelons et leurs petites propriétés d'échantillon pour le modéle "Régression en apparence sans rapports" (Seeminly Unrelated Regression, SUR) avec des observations manquantes nonimbriquées. Une expérience à; la Monte Carlo indique que des estimateurs de remplacement ont des différences plus notables quant à; leur efficacité comparé aux cas d'observations manquantes imbriquées. En particulier, l'application à; deux échelons de l'estimateur à; probabilité maximale Hartley-Hocking peut réaliser d'appréciables gains en efficacité. Il n'y a perte considérable de gains d'efficacité uniquement lorsqu'on emploie dans l'estimateur un sous-ensemble de données ayant des observations complétes.

author list (cited authors)

  • Hwang, .., & Schulman, ..

citation count

  • 1

publication date

  • January 1996

publisher