Score-type tests for normal mixtures
针对正态混合备择的得分型检验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：摘要核心是正态混合模型下的通用分布检验，收入方程仅为应用，尚不足以归入所列分位数效应或其他具体领域。
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…
针对正态混合备择的得分型检验
- 研究问题
- 面对离散正态混合备择中的弱识别、参数不等式约束和高阶导数退化，如何仅估计原假设模型就可靠地检验正态性？
- 方法与思路
- 作者取两个简单统计量中的较大者构造得分型检验，对称处理原假设的两种表示，并推导原假设及局部备择下的渐近分布。
- 材料陈述的贡献
- 摘要称，检验与似然比渐近等价，且用于原始观测或异方差回归的标准化残差时具有相同渐近分布，并提供模拟及收入方程应用。
- 阅读关注点
- 应核对两个统计量的形式、混合参数空间的处理、局部备择的逼近路径，以及标准化回归残差下分布不变所需条件。
- 阅读边界
- 仅据所给出版社摘要；混合成分设定、临界值计算及功效比较细节未说明，无法判断所有有限样本情形，亦未核对其他版本。
原文摘要
Testing normality against discrete normal mixtures is complex because some parameters turn increasingly underidentified along alternative ways of approaching the null, others are inequality constrained, and several higher-order derivatives become identically 0. These problems make the maximum of the alternative model log-likelihood function numerically unreliable. We propose score-type tests asymptotically equivalent to the likelihood ratio as the largest of two simple intuitive statistics that only require estimation under the null. One novelty of our approach is that we treat symmetrically both ways of writing the null hypothesis without excluding any region of the parameter space. We derive the asymptotic distribution of our tests under the null and sequences of local alternatives. We also show that their asymptotic distribution is the same whether applied to observations or standardized residuals from heteroskedastic regression models. Finally, we study their power in simulations and apply them to the residuals of Mincer earnings functions.