Testing Parametric versus Semiparametric Modeling in Generalized Linear Models
广义线性模型中参数与半参数设定的检验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：核心是通用半参数模型设定检验；迁移与信用评分仅为应用，不能据此确定所列细分领域。
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…
广义线性模型中参数与半参数设定的检验
- 研究问题
- 在广义部分线性模型中，如何判断未知函数项可采用线性参数形式，还是需要保留平滑非线性的半参数设定？
- 方法与思路
- 作者构造线性原假设的检验统计量，研究其渐近正态分布及 bootstrap 有效性，并以模拟和迁移、信用评分数据展示。
- 材料陈述的贡献
- 摘要称，在线性原假设下获得渐近正态性与 bootstrap 渐近有效性；模拟提示小样本 bootstrap 临界值表现更好。
- 阅读关注点
- 核对统计量构造、平滑参数选择、渐近与 bootstrap 结果的条件，以及小样本比较采用的模型、样本规模和评价指标。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能推断后续刊本变化。公式上下标呈现不清，须核对原 PDF；摘要未提供完整定理条件。
原文摘要
We consider a generalized partially linear model E(Y|X, T) = G{X T β + m(T)}, where G is a known function, β is an unknown parameter vector, and m is an unknown function. We introduce a test statistic that allows one to decide between a parametric and a semiparametric model: (a) m is linear (i.e., m(t) = t T γ for a parameter vector γ), and (b) m is a smooth (nonlinear) function. Under linearity (a), we show that the test statistic is asymptotically normal. Moreover, we prove that the bootstrap works asymptotically. Simulations suggest that (in small samples) the bootstrap outperforms the calculation of critical values from the normal approximation. The practical performance of the test is demonstrated in applications to data on East–West German migration and credit scoring.