A Cubic Spline Extension of the Durbin-Watson Test
Durbin–Watson检验的三次样条扩展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：摘要研究一般回归残差模式检验，未明确时间序列模型，不能仅凭Durbin–Watson名称归类。
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
Durbin–Watson检验的三次样条扩展
- 研究问题
- 能否利用回归残差的光滑程度检测模型误设，并将Durbin–Watson型相邻差分统计量推广到不等间距观测？
- 方法与思路
- 作者从三次样条性质构造残差曲率统计量，在正态假设下研究其分布；换用线性样条则得到不等间距的均方相邻差分推广。
- 材料陈述的贡献
- 摘要称提供等间距情形的显著性点表，模拟中在低噪声且模式复杂度适中时功效较高，并以非线性回归残差说明使用方法。
- 阅读关注点
- 应核对残差排序与间距定义、正态分布推导的其他条件，以及比较检验、噪声水平和模式复杂度的具体模拟设定。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；功效优势限于摘要所述情形，未提供普遍优势或非正态情形的有效性证据。
原文摘要
We propose a new test for model misspecification in linear regression, based on a measure of ‘smoothness’ of the regression residuals. This ‘curvature statistic’ is related to a property of cubic splines and leads to a convenient, powerful test for patterns. The distribution of the curvature statistic may be derived from assumptions of normality. For equally spaced data, the calculations are simplified and a table of significance points of the distribution is given. Smoothness considerations also lead to a natural generalization of the Durbin–Watson or mean-square successive differences statistic for unequally spaced observations. This generalized mean-squared successive differences statistic arises when linear splines are substituted for cubic splines in the development of the curvature statistic. The power of the curvature statistic is investigated by simulation. Compared to several other commonly used tests for patterns, the curvature test is shown to be more powerful where noise levels are small and the complexity of the underlying pattern is moderate. The calculation and use of this statistic is illustrated on a problem involving nonlinear regression residuals.