On the Use of Nonparametric Regression for Checking Linear Relationships
利用非参数回归检验线性关系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：摘要讨论通用回归设定检验，提及Durbin-Watson不足以确定时间序列或其他细分。
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
利用非参数回归检验线性关系
- 研究问题
- 如何通过平滑回归残差识别线性关系的偏离，并把非参数拟合与参数拟合之间的差异转化为可校准的检验？
- 方法与思路
- 作者以残差图平滑为出发点，将模型间距离构造为二次型之比的伪似然比统计量，利用Johnson曲线计算零分布。
- 材料陈述的贡献
- 摘要称提出了线性关系检验统计量，并在功效研究中发现其对非线性的敏感度高于Durbin-Watson统计量。
- 阅读关注点
- 应核对平滑参数的选择、误差结构及零分布近似，查看功效比较采用了哪些非线性备择和显著性水平校准。
- 阅读边界
- 仅据Crossref摘要；误差假设、数值近似精度及功效实验范围未说明，不能将所述比较推广为普遍优势。
原文摘要
SUMMARY The problem of checking the linearity of a regression relationship is addressed through the idea of smoothing of a residual plot. A pseudolikelihood ratio test statistic, which measures the distance between the nonparametric and the parametric models, is derived as a ratio of quadratic forms. The distribution of this statistic under the null hypothesis of linearity is calculated numerically by using Johnson curves. A power study shows the new statistic to be more sensitive to non-linearity than the Durbin-Watson statistic.