Comparing Non-Nested Linear Models
非嵌套线性模型的比较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：摘要讨论一般非嵌套线性模型的预测风险比较，未提供宏观预测或金融收益预测的应用依据。
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
非嵌套线性模型的比较
- 研究问题
- 当两个候选线性模型互不嵌套且都可能误设时，如何为二者预测均方误差之差构造置信区间，以表达比较的不确定性？
- 方法与思路
- 作者对基于 Mallows Cp 的预测均方误差差值估计应用参数 Bootstrap，构造近似置信区间，并讨论与 Hotelling 检验的联系。
- 材料陈述的贡献
- 摘要提出无需假定任一候选模型正确的近似区间方法，并揭示其与两条简单线性回归比较及特例下正态均值乘积问题的联系。
- 阅读关注点
- 应核对预测均方误差的定义、参数 Bootstrap 的生成模型、误设下区间有效性的条件，以及与 Hotelling 检验联系的范围。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；误差分布、覆盖率与近似条件未说明，通用预测比较不能直接认定为宏观或收益预测。
原文摘要
I consider the usual linear-model situation, except that there are two possible linear subspaces that may contain the true mean vector, and neither of the two subspaces is nested within the other. Approximate confidence intervals are developed for the difference in mean squared error (MSE) of prediction using the two models, not assuming that either model is necessarily correct. The confidence intervals are based on parametric bootstrap methods, applied to Mallows's Cp estimate of the difference in MSE. This approach is shown to relate closely to Hotelling's test comparing two simple linear regressions. In the simplest case the problem is equivalent to finding a confidence interval for the product of the means of two independent normal observations, each with variance one.