跳到正文
← 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:摘要核心是通用半参数设定检验,环境恩格尔曲线应用不足以支持所列细分方向。

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
Ivan Korolev

半参数模型的一致、异方差稳健 LM 型设定检验

研究问题
如何构造适用于半参数回归的异方差稳健设定检验,在使用受限模型估计结果的同时,检测广泛的原假设偏离并方便实施?
方法与思路
作者基于受限半参数模型的估计构造 LM 型统计量,以回归方式计算,建立原假设下的渐近标准正态结果,并开展模拟与环境恩格尔曲线应用。
材料陈述的贡献
摘要称检验可检测广泛偏离,模拟中尺寸控制和功效较好且对调节参数较稳健;应用提示收入排放曲线形状会随其他变量改变。
阅读关注点
应核对受限模型与备择空间、异方差稳健化方式及非参数估计误差的处理,并检查调节参数选择、模拟设计与应用中的拒绝含义。
阅读边界
仅依据给定 Crossref 版本摘要。检验覆盖的偏离类型、正则条件及有限样本数值未说明,不能将模拟表现视为任意半参数模型的保证。

原文摘要

ABSTRACT This article develops a heteroskedasticity‐robust Lagrange Multiplier‐type specification test for semiparametric regression models. The test is able to detect a wide class of deviations from the null hypothesis. The test statistic is based on the estimates from the restricted semiparametric model, can be computed in a regression‐based way, and is asymptotically standard normal under the null. I apply the test to Environmental Engel Curves and find that while the relationship between income and emissions may be quadratic, its shape changes with other variables in the model. Monte Carlo studies suggest that my test controls size well, has good power, and is fairly robust to the tuning parameter choice.

笔记与分组
相关领域论文