A SMOOTH NONPARAMETRIC CONDITIONAL DENSITY TEST FOR CATEGORICAL RESPONSES
分类响应条件密度的平滑非参数检验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：摘要明确列举 logit、probit、多项和有序选择模型，直接对应离散选择模型的设定检验。
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
分类响应条件密度的平滑非参数检验
- 研究问题
- 当因变量为分类或离散变量、协变量同时包含分类和连续变量时，如何检验参数条件密度模型的设定是否正确？
- 方法与思路
- 作者提出基于核方法的一致设定检验，覆盖二元、多项、有序选择及计数模型，并提供自助法版本的理论支持。
- 材料陈述的贡献
- 摘要称该检验可处理混合类型协变量，并为原检验及自助法检验提供理论依据，以蒙特卡洛模拟考察有限样本表现。
- 阅读关注点
- 应核对离散与连续变量的平滑方式、带宽选择、检验一致性的条件，以及自助法如何构造并适用于各类响应模型。
- 阅读边界
- 仅据所给 Crossref 摘要解读；摘要未说明统计量形式、正则条件及模拟结果，不能判断各类离散模型中的实际检验功效。
原文摘要
We propose a consistent kernel-based specification test for conditional density models when the dependent variable is categorical/discrete. The method is applicable to popular parametric binary choice models such as the logit and probit specification and their multinomial and ordered counterparts, along with parametric count models, among others. The test is valid when the conditional density function contains both categorical and real-valued covariates. Theoretical support for the test and for a bootstrap-based version of the test is provided. Monte Carlo simulations are conducted to assess the finite-sample performance of the proposed method.