Nonparametric Regression Tests Based on Least Squares
基于最小二乘的非参数回归检验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：摘要提供一般半参数回归检验框架，未限定具体经济对象或所列领域模型，证据不足以选择某个领域细分。
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
基于最小二乘的非参数回归检验
- 研究问题
- 如何利用最小二乘残差平方和检验半参数模型的设定、显著性、光滑性与凹性，同时允许残差存在异方差？
- 方法与思路
- 作者基于最小二乘程序的残差平方和构造检验，对模型的非参数部分施加光滑性条件，以获得该统计量的渐近正态性。
- 材料陈述的贡献
- 摘要称，同一思路可形成设定、显著性、光滑性与凹性检验，并允许异方差残差，为半参数模型提供多类检验工具。
- 阅读关注点
- 应核对非参数部分的光滑性要求、残差平方和的中心化与标准化，以及各类原假设如何表达和异方差如何处理。
- 阅读边界
- 摘要未说明具体估计程序、平滑参数选择或检验功效；允许异方差也不能据此推断对任意依赖结构均有效。
原文摘要
This paper proposes tests on semiparametric models based on the sum of squared residuals from a least-squares procedure. Smoothness conditions are imposed on the nonparametric portion of the model to obtain asymptotic normality of the sum of squared residuals. The approach yields tests of specification, significance, smoothness and concavity and allows for heteroskedastic residuals.