Statistical inference for semiparametric varying-coefficient partially linear models with error-prone linear covariates
线性协变量含测量误差的半参数变系数部分线性模型推断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：摘要涉及一般半参数回归、测量误差和检验，未明确所列经济应用或数据结构，不能仅凭推断术语分类。
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…
线性协变量含测量误差的半参数变系数部分线性模型推断
- 研究问题
- 在线性协变量不可直接观测、但存在辅助变量时，如何估计变系数部分线性模型，并检验各组成部分的显著性？
- 方法与思路
- 作者先校准含误差协变量，再用剖面最小二乘估计参数与非参数部分，构造比值和 Wald 检验及 wild bootstrap 临界值。
- 材料陈述的贡献
- 摘要称建立了估计量的渐近性质，提出参数与非参数部分的检验，并以模拟展示方法及小中样本临界值方案。
- 阅读关注点
- 应核对辅助变量支持校准的条件、校准误差对推断的影响、检验的原假设，以及 wild bootstrap 的有效性范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；校准识别条件和渐近结论细节未说明，模拟展示不等于普遍优于其他方法。
原文摘要
We study semiparametric varying-coefficient partially linear models when some linear covariates are not observed, but ancillary variables are available. Semiparametric profile least-square-based estimation procedures are developed for parametric and nonparametric components after we calibrate the error-prone covariates. Asymptotic properties of the proposed estimators are established. We also propose the profile least-square-based ratio test and Wald test to identify significant parametric and nonparametric components. To improve accuracy of the proposed tests for small or moderate sample sizes, Wild bootstrap version is also proposed to calculate the critical values. Intensive simulation experiments are conducted to illustrate the proposed approaches.