Robust Tests in Regression Models With Omnibus Alternatives and Bounded Influence
具有广泛备择与有界影响的稳健回归检验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：摘要研究通用回归函数设定检验与稳健性，未提供所列经济计量细分领域的直接依据。
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…
具有广泛备择与有界影响的稳健回归检验
- 研究问题
- 如何检验回归函数的参数形式，并在保留对广泛光滑备择的检验能力时，限制局部污染对渐近检验水平的影响？
- 方法与思路
- 作者将基于平滑的条件矩检验稳健化，研究其在零假设与局部备择下的渐近分布，并用二阶 Hampel 影响函数分析污染影响。
- 材料陈述的贡献
- 摘要称检验在零假设和局部备择下渐近正态，对任意固定光滑备择一致，并指出污染下水平偏差有界需要二阶影响函数有界。
- 阅读关注点
- 应核对稳健化步骤、平滑参数和备择空间，并仔细检查局部污染的定义，以及二阶影响函数有界与水平偏差之间的逻辑关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体正则条件和污染模型未说明，不能把所述必要条件当作充分条件或推断刊本变化。
原文摘要
A robust approach for testing the parametric form of a regression function versus an omnibus alternative is introduced. This generalizes existing robust methods for testing subhypotheses in a regression model. The new test is motivated by developments in modern smoothing-based testing procedures and can be viewed as a robustification of a smoothing-based conditional moment test. It is asymptotically normal under both the null hypothesis and local alternatives. The robustified test retains the “omnibus” property of the corresponding smoothing test; that is, it is consistent for any fixed smooth alternative in an infinite-dimensional space. It is shown that the bias of the asymptotic level under shrinking local contamination is bounded only if the second-order Hampel's influence function is bounded. The test's performance is demonstrated through both Monte Carlo simulations and application to an agricultural dataset.