NONPARAMETRIC SIGNIFICANCE TESTING IN MEASUREMENT ERROR MODELS
测量误差模型中的非参数显著性检验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：摘要聚焦通用测量误差回归的显著性检验，未明确涉及所列领域细分。
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
测量误差模型中的非参数显著性检验
- 研究问题
- 当解释变量仅能通过含经典测量误差的观测获得时，如何检验某组潜在变量是否为条件均值提供额外解释信息？
- 方法与思路
- 作者利用反卷积估计构造 Cramér–von Mises 和 Kolmogorov–Smirnov 检验，推导零假设分布，并采用自助法计算临界值。
- 材料陈述的贡献
- 摘要称这是该问题的首个非参数显著性检验，可检测以 n 的负二分之一次方速度接近原假设的局部备择，并通过模拟考察表现。
- 阅读关注点
- 应核对经典测量误差的独立性与分布信息要求、反卷积调参、自助法有效性，以及局部备择方向和检测结论的成立条件。
- 阅读边界
- 仅据所给 Crossref 版本摘要，误差分布是否已知及完整正则条件未说明；首创性未经独立核验，也不能推断具体数值或刊本变化。
原文摘要
We develop the first nonparametric significance test for regression models with classical measurement error in the regressors. In particular, a Cramér-von Mises test and a Kolmogorov–Smirnov test for the null hypothesis $E\left [Y|X^{*},Z^{*}\right ]=E\left [Y|X^{*}\right ]$ are proposed when only noisy measurements of $X^{*}$ and $Z^{*}$ are available. The asymptotic null distributions of the test statistics are derived, and a bootstrap method is implemented to obtain the critical values. Despite the test statistics being constructed using deconvolution estimators, we show that the test can detect a sequence of local alternatives converging to the null at the $\sqrt {n}$ -rate. We also highlight the finite sample performance of the test through a Monte Carlo study.