A Heteroskedasticity Test Robust to Conditional Mean Misspecification
对条件均值误设稳健的异方差检验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：摘要讨论一般回归中的非参数均值估计与异方差检验，未提供面板、因果或其他所列细分方向的直接证据。
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
对条件均值误设稳健的异方差检验
- 研究问题
- 当条件均值函数的参数形式难以正确设定时，如何利用非参数残差检验异方差，并获得可用于推断的标准参考分布？
- 方法与思路
- 作者先以核方法非参数估计均值函数，再将估计残差作为扰动项代理构造检验，并借助经典 U 统计量定理的扩展研究渐近性质。
- 材料陈述的贡献
- 摘要称，该方法对回归均值函数误设稳健，建立了相关渐近正态性，并使基于非参数量的最终推断采用标准卡方分布。
- 阅读关注点
- 重点核对残差估计误差如何进入统计量、核估计与 U 统计量理论所需条件，以及带宽选择如何影响检验尺寸和功效。
- 阅读边界
- 摘要未说明核函数、带宽、维度及正则条件，也未提供有限样本结果；所述稳健性针对均值设定，不能扩展为对所有模型误设稳健。
原文摘要
This paper proposes a new test statistic to deter the presence of heteroskedasticity. The proposed test does not require a parametric specification of the mean regression function in the first stage regression. The regression function is estimated nonparametrically by the kernel estimation method. The nonparametric residual is estimated and used as a proxy for the random disturbance term. This nonparametric residual is robust to regression function misspecification. Asymptotic normality is established using extensions of classical U-statistic theorems. The test statistic is computed using the nonparametric quantities, but the resulting inference has a standard chi-square distribution. Copyright 1992 by The Econometric Society.