Testing many restrictions under heteroskedasticity
异方差条件下的大量约束检验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：摘要讨论通用线性回归中的异方差与多约束检验，未给出足以归入指定应用领域的文本证据。
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
异方差条件下的大量约束检验
- 研究问题
- 在线性回归存在条件异方差、待检验约束数量很大甚至与样本量成比例时，如何保持联合假设检验的有效性与局部功效？
- 方法与思路
- 作者保留传统 F 统计量并修正临界值，使用留一法估计调整其中心，使用留三法估计调整尺度，以适应大量约束和异方差。
- 材料陈述的贡献
- 摘要称检验在约束数固定或增长时渐近有效，对相应局部备择具有非平凡功效，模拟也支持其在中小样本中的尺寸控制。
- 阅读关注点
- 应核对回归设计与误差矩条件、留出估计的可计算性，以及约束数接近样本量时的限制和局部功效比较的适用范围。
- 阅读边界
- 仅据所给 OpenAlex 摘要，设计矩阵限制与具体尺寸误差未说明；不能将模拟中的良好表现视为普遍保证，也不能推断版本变化。
原文摘要
We propose a hypothesis test that allows for many tested restrictions in a heteroskedastic linear regression model. The test compares the conventional F statistic to a critical value that corrects for many restrictions and conditional heteroskedasticity . This correction uses leave-one-out estimation to correctly center the critical value and leave-three-out estimation to appropriately scale it. The large sample properties of the test are established in an asymptotic framework where the number of tested restrictions may be fixed or may grow with the sample size , and can even be proportional to the number of observations. We show that the test is asymptotically valid and has non-trivial asymptotic power against the same local alternatives as the exact F test when the latter is valid. Simulations corroborate these theoretical findings and suggest excellent size control in moderately small samples, even under strong heteroskedasticity .