A Consistent Model Specification Test for Nonparametric Estimation of Regression Function Models
非参数回归函数估计中的一致模型设定检验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：摘要提出通用于独立数据和时间序列的回归设定检验，未限定某个经济应用方向，故不强行细分归类。
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
非参数回归函数估计中的一致模型设定检验
- 研究问题
- 在非参数平滑估计回归函数时，如何统一检验遗漏变量、解释变量的非线性限制以及参数或半参数模型的设定？
- 方法与思路
- 作者提出一般设定检验框架，允许独立同分布或时间序列数据及离散解释变量，并用蒙特卡洛模拟考察中小样本表现。
- 材料陈述的贡献
- 摘要强调框架可覆盖多种回归函数设定问题，适用于不同数据结构与离散解释变量，并报告开展了有限样本模拟评估。
- 阅读关注点
- 应核对检验统计量、平滑参数与临界值构造，离散变量和时间依赖的处理，以及一致性与模拟表现的具体依据。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定检验条件、功效或尺寸表现；题名中的一致性也不能替代对全文论证的核对。
原文摘要
This paper proposes a general framework for specification testing of the regression function in a nonparametric smoothing estimation context. The same analysis can be applied to cases as varied as testing for omission of variables, testing certain nonlinear restrictions in the regressors, and testing the correct specification of some parametric or semiparametric model of interest, for example, testing a certain type of nonlinearity of the regression function. Furthermore, the test can be applied to i.i.d. and time-series data, and some or all of the regressors are allowed to be discrete. A Monte Carlo simulation is used to assess the performance of the test in small and medium samples.