Exact likelihood ratio tests for penalised splines
惩罚样条的精确似然比检验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：摘要研究一般样条回归检验，未说明因果、面板或其他所列领域的应用。
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…
惩罚样条的精确似然比检验
- 研究问题
- 如何检验多项式回归是否足够描述数据，并在惩罚样条备择模型下处理平滑参数不确定性及检验功效问题？
- 方法与思路
- 作者利用惩罚样条的混合模型表示，将检验联系到随机系数方差，构造似然比与限制似然比检验及谱分解模拟算法。
- 材料陈述的贡献
- 摘要称，作者给出局部功效性质、通过检验反演构造平滑参数区间，并指出忽略平滑参数估计变异会显著影响零分布。
- 阅读关注点
- 应核对精确检验成立的模型条件、谱分解与模拟步骤、局部备择的范围，以及不同检验功效比较采用的设定。
- 阅读边界
- 所据 OpenAlex 索引摘要未注明稿件版本；弱条件及功效比较细节未提供，不能将限制似然比检验的表现推广到所有模型。
原文摘要
Penalised-spline-based additive models allow a simple mixed model representation where the variance components control departures from linear models. The smoothing parameter is the ratio of the random-coefficient and error variances and tests for linear regression reduce to tests for zero random-coefficient variances. We propose exactlikelihood and restricted likelihood ratio tests for testing polynomial regression versus a general alternative modelled by penalised splines. Their spectral decompositions are used as the basis of fast simulation algorithms. We derive the asymptotic local power properties of the tests under weak conditions. In particular we characterise the local alternatives that are detected with asymptotic probability one. Confidence intervals for the smoothing parameter are obtained by inverting the tests for a fixed smoothing parameter versus a general alternative. We discuss F and R tests and show that ignoring the variability in the smoothing parameter estimator can have a dramatic effect on their null distributions. The powers of several known tests are investigated and a small set of tests with good power properties is identified. The restricted likelihood ratio test is among the best in terms of power.