Goodness-of-Fit Tests for Parametric Regression Models
参数回归模型的拟合优度检验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：摘要研究通用回归拟合优度与部分线性模型，未明确对应所列数据结构或经济应用方向。
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
参数回归模型的拟合优度检验
- 研究问题
- 如何把基于残差图的回归诊断形式化为检验，以判断参数模型是否充分，并检测较广泛的非参数备择？
- 方法与思路
- 作者采用自适应 Neyman 检验等方法判断参数拟合残差的偏差向量是否可忽略，研究可检测的局部备择，并讨论部分线性模型应用。
- 材料陈述的贡献
- 摘要称，新检验在模拟中具有较强功效和综合检验能力；与 F 检验的比较显示部分情形功效相近，另一些情形更高。
- 阅读关注点
- 应核对残差偏差向量的构造、适应机制与临界值计算，以及局部备择速率、模拟设计和 F 检验比较的条件。
- 阅读边界
- 仅有版本未注明的 OpenAlex 索引摘要；未给出检验条件、尺寸控制或功效数值，模拟陈述不足以证明普遍优于 F 检验。
原文摘要
Several new tests are proposed for examining the adequacy of a family of parametric models against large nonparametric alternatives. These tests formally check if the bias vector of residuals from parametric fits is negligible by using the adaptive Neyman test and other methods. The testing procedures formalize the traditional model diagnostic tools based on residual plots. We examine the rates of contiguous alternatives that can be detected consistently by the adaptive Neyman test. Applications of the procedures to the partially linear models are thoroughly discussed. Our simulation studies show that the new testing procedures are indeed powerful and omnibus. The power of the proposed tests is comparable to the F-test statistic even in the situations where the F test is known to be suitable and can be far more powerful than the F-test statistic in other situations. An application to testing linear models versus additive models is also discussed.