A NONPARAMETRIC TEST OF SIGNIFICANT VARIABLES IN GRADIENTS
回归梯度中显著变量的非参数检验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：摘要讨论通用回归导数检验，特征价格应用不足以确定因果推断或结构估计分类。
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
回归梯度中显著变量的非参数检验
- 研究问题
- 如何检验某些变量是否影响回归均值函数的偏导数，从而识别边际效应随这些变量变化的结构，而不预设回归函数形式？
- 方法与思路
- 作者用局部多项式估计偏导数，依据其沿目标变量方向的变动构造统计量，并利用渐近零分布设计 wild bootstrap 检验。
- 材料陈述的贡献
- 摘要称建立了检验的渐近零分布与一致性，bootstrap 在原假设成立或不成立时均复现该零分布，并提供模拟和特征价格应用。
- 阅读关注点
- 应核对显著变量的精确定义、导数变动度量、平滑参数和边界处理，以及 bootstrap 有效性与检验一致性的适用条件。
- 阅读边界
- 摘要未提供原假设公式、局部功效或应用数据细节，不能据此判断结构解释是否具有因果含义；解读限于所给 Crossref 摘要。
原文摘要
We propose a nonparametric test of significant variables in the partial derivative of a regression mean function. The derivative is estimated by local polynomial estimation and the test statistic is constructed through a variation-based measure of the derivative in the direction of variables of interest. We establish the asymptotic null distribution of the test statistic and demonstrate that it is consistent. Motivated by the null distribution, we propose a wild bootstrap test, and show that it exhibits the same null distribution, whether the null is valid or not. We perform a Monte Carlo study to demonstrate its encouraging finite sample performance. An empirical application is conducted showing how the test can be applied to infer certain aspects of regression structures in a hedonic price model.