High-dimensional Newey-Powell Test Via Approximate Message Passing
基于近似消息传递的高维新纽伊-鲍威尔检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要聚焦高维异方差检验与 expectile 回归的渐近理论，未涉及所给领域细分中的因果推断、面板、离散选择、时间序列或金融等具体方向，故不选择任何细分领域。
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…
基于近似消息传递的高维新纽伊-鲍威尔检验
- 研究问题
- 摘要称，本文研究如何将 Newey 和 Powell（1987）提出的异方差检验推广到高维情形，并在 n/p 趋于 δ∈(0,1] 的比例渐近框架下检验异方差。
- 方法与思路
- 作者提出基于 expectile 回归构造检验统计量，并借助近似消息传递（AMP）算法进行渐近分析，由此得到检验统计量的极限分布并建立其渐近功效；摘要称通过模拟研究验证数值表现。
- 材料陈述的贡献
- 摘要明确陈述的贡献是：给出 Newey-Powell 异方差检验的高维扩展，在比例渐近下用 AMP 推导检验的极限分布与渐近功效，并用模拟及两组实际数据（国际经济增长数据、超市数据）展示应用。
- 阅读关注点
- 阅读全文时应核对：expectile 回归中异方差的具体原假设形式、AMP 迭代与统计量的构造细节、极限分布所依赖的识别与正则条件、渐近功效的备择假设设定，以及模拟设计与两组实际数据结论的稳健性。
- 阅读边界
- 仅凭摘要无法判断检验在原假设下的有限样本表现、对模型设定与调参的敏感性、AMP 所需假设是否现实，也无法核实模拟与实证结论；摘要未说明具体统计量形式、收敛速率与证明细节。
原文摘要
We propose a high-dimensional extension of the heteroscedasticity test proposed in Newey and Powell (1987). Our test is based on expectile regression in the proportional asymptotic regime where n/p \to δ\in (0,1]. The asymptotic analysis of the test statistic uses the Approximate Message Passing (AMP) algorithm, from which we obtain the limiting distribution of the test and establish its asymptotic power. The numerical performance of the test is validated through an extensive simulation study. As real-data applications, we present the analysis based on ``international economic growth" data (Belloni et al., 2011), which is found to be homoscedastic, and ``supermarket" data (Lan et al., 2016), which is found to be heteroscedastic.