Designing to detect heteroscedasticity in a regression model
用于检测回归模型异方差的实验设计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：摘要讨论通用高斯回归的实验设计与异方差检测，未明确涉及因果识别或金融波动率建模。
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…
用于检测回归模型异方差的实验设计
- 研究问题
- 在高斯回归模型中，如何设计实验以检测指定形式的异方差，并理解不同设计准则与局部备择下检验功效的关系？
- 方法与思路
- 作者研究 Ds 与 KL 设计准则和似然检验渐近卡方分布非中心参数的联系，区分单参数与多参数异方差。
- 材料陈述的贡献
- 摘要称，单参数情形下两准则渐近重合；多参数情形下，KL 最优设计趋向最大化非中心参数的设计。
- 阅读关注点
- 应核对异方差的参数化方式、局部备择与设计空间，以及准则关系成立的条件和模拟对理论结果的支持范围。
- 阅读边界
- 仅据所给 Crossref 摘要；结论针对指定异方差与局部备择，模型细节和模拟数值未说明，不能声称普遍最优。
原文摘要
Abstract We consider the problem of designing experiments to detect the presence of a specified heteroscedastity in Gaussian regression models. We study the relationship of the Ds- and KL-criteria with the noncentrality parameter of the asymptotic chi-squared distribution of a likelihood-based test, for local alternatives. We found that, when the heteroscedastity depends on one parameter, the two criteria coincide asymptotically and that the D1-criterion is proportional to the noncentrality parameter. Differently, when it depends on several parameters, the KL-optimum design converges to the design that maximizes the noncentrality parameter. Our theoretical findings are confirmed through a simulation study.