Bootstrap Test for Difference between Means in Nonparametric Regression
非参数回归中均值函数差异的 Bootstrap 检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用非参数均值函数检验并应用于酸雨数据，没有所列经济金融细分方向的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
非参数回归中均值函数差异的 Bootstrap 检验
- 研究问题
- 在两组非参数回归误差分布可不同且不限定具体分布形式时，如何检验均值函数差异，并获得较好的功效与检验水平精度？
- 方法与思路
- 作者提出 bootstrap 检验并近似精确检验的临界值，讨论向多个均值函数比较的推广，再用模拟及酸雨数据展示应用。
- 材料陈述的贡献
- 摘要称检验具有接近参数检验的局部辨别能力和较高水平精度，并报告小样本模拟支持渐近结论；具体速度排版需核对。
- 阅读关注点
- 应核对回归设计、误差及光滑性条件、重抽样和临界值构造，并区分局部功效、水平误差与临界值近似误差的数学阶数。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；各速度指数上下标不清，需查原文，不能重构公式；任意误差分布的表述也不等于无需正则条件。
原文摘要
A bootstrap test is proposed for detecting a difference between two mean functions in the setting of nonparametric regression. Error distributions in the regression model are permitted to be arbitrary and unequal. The test enjoys power properties akin to those in a parametric setting, in the sense that it can distinguish between regression functions distant only n −1/2 apart, where n is the sample size. It has exceptional level accuracy, with level error of only n −2, and uses a very accurate estimate of the critical point of an exact test, being in error by only n −3/2 under the null hypothesis. The test admits several generalizations, for example to the case of testing for differences between several regression means. (This is a nonparametric regression analog of analysis of variance.) A simulation study using n as small as 15 corroborates the asymptotic result on level accuracy of the bootstrap test. Applications are illustrated with an example involving acid rain data.