A Simple Parametric Model Selection Test
一种简单的参数模型选择检验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：摘要核心是通用参数模型选择检验，宏观应用未提供足以归入某个所列宏观细分方向的细节。
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
一种简单的参数模型选择检验
- 研究问题
- 当两个候选似然模型可能正确或错误设定，且彼此可能嵌套、非嵌套或重叠时，如何用统一检验完成模型选择？
- 方法与思路
- 作者提出无需预检验的统一统计量，使用标准正态临界值比较两个参数似然，并研究其在一大类数据生成过程上的一致渐近尺寸控制。
- 材料陈述的贡献
- 摘要称，方法统一处理多种模型关系和设定状态，提供一致渐近尺寸控制，并以模拟及凯恩斯与新古典宏观模型比较展示应用。
- 阅读关注点
- 核对检验原假设、似然比较目标、统计量的构造，以及一致尺寸控制所覆盖的数据生成过程和接近退化情形的处理。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。不限制候选模型与真实分布的关系，并不代表无需其他条件；具体条件摘要未说明。
原文摘要
We propose a simple model selection test for choosing among two parametric likelihoods, which can be applied in the most general setting without any assumptions on the relation between the candidate models and the true distribution. That is, both, one or neither is allowed to be correctly specified or misspecified, they may be nested, nonnested, strictly nonnested, or overlapping. Unlike in previous testing approaches, no pretesting is needed, since in each case, the same test statistic together with a standard normal critical value can be used. The new procedure controls asymptotic size uniformly over a large class of data-generating processes. We demonstrate its finite sample properties in a Monte Carlo experiment and its practical relevance in an empirical application comparing Keynesian versus new classical macroeconomic models. Supplementary materials for this article are available online.