Saddlepoint Test in Measurement Error Models
测量误差模型中的鞍点检验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：摘要研究通用测量误差检验，农场规模应用不足以确定所列经济计量细分方向。
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
测量误差模型中的鞍点检验
- 研究问题
- 在不对潜在协变量指定分布的函数型测量误差模型中，如何改善小样本或中等样本下假设检验的近似精度？
- 方法与思路
- 作者结合鞍点技术、原假设约束下的经验分布估计及一组估计方程，构造具有二阶性质的假设检验程序。
- 材料陈述的贡献
- 摘要称，方法的有效性分别由简单与复合假设检验的定理支持，并通过模拟和农场规模数据分析进行展示。
- 阅读关注点
- 应核对二阶性质的具体含义、经验分布约束和估计方程的构造，以及测量误差条件和有限样本检验表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能确定二阶误差界、检验条件或实际改善幅度，也不能推断刊本变化。
原文摘要
We develop second-order hypothesis testing procedures in functional measurement error models for small or moderate sample sizes, where the classical first-order asymptotic analysis often fails to provide accurate results. In functional models no distributional assumptions are made on the unobservable covariates and this leads to semiparametric models. Our testing procedure is derived using saddlepoint techniques and is based on an empirical distribution estimation subject to the null hypothesis constraints, in combination with a set of estimating equations which avoid a distribution approximation. The validity of the method is proved in theorems for both simple and composite hypothesis tests, and is demonstrated through simulation and a farm size data analysis.