Testing for No Effect When Estimating a Smooth Function by Nonparametric Regression: A Randomization Approach
非参数平滑回归中无关联假设的随机化检验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：摘要研究一般非参数回归关联检验，随机化指置换程序，未提供处理分配或因果识别依据，故不归入因果推断。
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
非参数平滑回归中无关联假设的随机化检验
- 研究问题
- 用核估计或局部回归拟合平滑函数时，如何检验响应与设计变量没有关系，并理解平滑参数对检验功效的影响？
- 方法与思路
- 作者构造类似方差分析的平方和比统计量，用精确置换分布的均值和方差匹配伽马分布，近似精确置换检验。
- 材料陈述的贡献
- 摘要称模拟中该近似对多种回归方法及正态、重尾、偏态误差表现良好，并考察功效和展示免疫学数据应用。
- 阅读关注点
- 应核对置换有效性所需的数据条件、统计量及其矩的计算，以及平滑参数选择是否影响检验水平与功效。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；未说明完整置换条件或模拟数值，关联检验不能据此解释为因果效应或刊本变化。
原文摘要
When a linear regression function is estimated by ordinary least squares, the null hypothesis of no relationship between the response and the design variable can be tested by the normal theory F test. This article describes a new test for use in the case in which a smooth regression function is estimated by a nonparametric procedure such as kernel estimation or local regression. The test is constructed as an approximation to an exact permutation test. The test statistic is the ratio of sums of squares that are defined by analogy to the analysis of variance. The null permutation distribution of the test statistic is approximated by matching its exact mean and variance to the moments of a gamma distribution. A simulation study shows that the approximation is excellent for several regression procedures and for normal, heavy-tailed, and skewed error distributions. Simulation results are also used to investigate the power of the test as a function of the smoothing parameter. The test is applied to data on the relationship between lymphocyte concentrations and immunological status in men with human immunodeficiency virus infection.