A simple consistent test of conditional symmetry in symmetrically trimmed tobit models
对称修剪 Tobit 模型中条件对称性的简单一致检验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：摘要研究删失与截断回归中的条件对称性检验，未明确涉及离散选择或分位数效应，给定分类缺乏直接对应项。
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
对称修剪 Tobit 模型中条件对称性的简单一致检验
- 研究问题
- 使用对称修剪最小二乘估计删失或截断回归时，如何检验其维持的条件对称性假设，而不依赖非参数平滑？
- 方法与思路
- 作者构造加权且按样本量调整的 Kolmogorov–Smirnov 型统计量，并通过 bootstrap 获取检验所需的 p 值和临界值。
- 材料陈述的贡献
- 摘要称该检验一致且无需非参数平滑；模拟提示其在中小样本中表现较好，并用两个既有数据集检验条件对称性。
- 阅读关注点
- 应核对条件对称性的具体对象、权重与样本量调整的作用，以及删失和截断机制下统计量构造与 bootstrap 的条件。
- 阅读边界
- 所给出版社摘要未报告两个应用的检验结论或具体样本规模；模拟中的良好表现不能保证所有删失或截断设计都适用。
原文摘要
We propose a “weighted and sample-size adjusted” Kolmogorov–Smirnov type statistic to test the assumption of conditional symmetry maintained in the symmetrically trimmed least-squares (STLS) approach of Powell (1986b), which is widely used to estimate censored or truncated regression models without making distributional assumptions. Our statistic is consistent and does not require any nonparametric smoothing, although we test the validity of a conditional feature. We also propose a bootstrap procedure to obtain the p-values and critical values that are required to carry out the test in practical applications. Results from a simulation study suggest that our test can work very well even in small to moderately sized samples. As an empirical illustration, we apply our test to two datasets that have been used in the literature to estimate censored regression models using Powell’s STLS approach, to check whether the assumption of conditional symmetry is supported by these datasets.