A CONSISTENT NONPARAMETRIC TEST OF PARAMETRIC REGRESSION MODELS UNDER CONDITIONAL QUANTILE RESTRICTIONS
条件分位数约束下参数回归模型的一致非参数检验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：摘要明确以条件分位数约束和参数分位数回归的设定检验为对象，直接对应分位数与分布方向的方法研究。
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
条件分位数约束下参数回归模型的一致非参数检验
- 研究问题
- 研究如何以非参数方法检验参数分位数回归模型是否正确设定，以及检验对固定误设和逐渐接近原假设的偏离有何功效。
- 方法与思路
- 作者提出基于核的检验，分析正确设定下的标准正态极限、误设下统计量的发散及局部备择功效，并进行模拟评估。
- 材料陈述的贡献
- 摘要称检验对任意固定备择一致，并对按适当速度接近原假设的局部备择具有渐近功效一，同时提供有限样本模拟。
- 阅读关注点
- 应核对条件分位数限制、核函数和带宽条件、参数估计对统计量的影响，以及局部备择达到功效一所需的收敛速度。
- 阅读边界
- 所给 Crossref 摘要未列正则条件、局部备择速度和模拟数值，不能把渐近一致性理解为所有有限样本误设均能检出。
原文摘要
This paper proposes a nonparametric, kernel-based test of parametric quantile regression models. The test statistic has a limiting standard normal distribution if the parametric quantile model is correctly specified and diverges to infinity for any misspecification of the parametric model. Thus the test is consistent against any fixed alternative. The test also has asymptotic power 1 against local alternatives converging to the null at proper rates. A simulation study is provided to evaluate the finite-sample performance of the test.