Nonparametric model checks for regression
回归模型的非参数检验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：摘要研究一般回归模型诊断，未明确涉及因果、结构、面板或其他所列细分。
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
回归模型的非参数检验
- 研究问题
- 如何利用残差构造非参数的回归整体模型检验，哪些偏离假设模型的形式更容易被基于残差的拟合优度方法发现？
- 方法与思路
- 作者研究残差标记经验过程的大样本行为，通过主成分分解分析可检测的模型偏离，并进行小规模直线回归模拟。
- 材料陈述的贡献
- 摘要称经验过程结果可用于非参数整体模型检验，其主成分分解为理解残差检验对不同偏离的敏感性提供了新认识。
- 阅读关注点
- 应核对经验过程的标记方式、参数估计对极限行为的影响，以及主成分对应的偏离方向和模拟所覆盖的情形。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未给出极限分布、检验实现或功效条件，小规模模拟不能确定广泛有限样本表现。
原文摘要
In this paper we study a marked empirical process based on residuals. Results on its large-sample behavior may be used to provide nonparametric full-model checks for regression. Their decomposition into principal components gives new insight into the question: which kind of departure from a hypothetical model may be well detected by residual-based goodness-of-fit methods? The work also contains a small simulation study on straight-line regression.