Testing the Fit of a Parametric Function
参数函数的拟合检验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：摘要提出跨模型的通用拟合检验，仅列举谱分析和纵向数据不足以确定专门领域。
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…
参数函数的拟合检验
- 研究问题
- 如何利用模型选择准则检验给定参数函数的拟合，并在不同统计模型中识别对参数设定的广泛偏离？
- 方法与思路
- 作者以参数模型是否被选择准则选中构造检验，考虑修正的 Akaike 信息准则及得分统计量，并用正交级数描述偏离。
- 材料陈述的贡献
- 摘要称，部分统计量具有渐近分布理论，检验对几乎任意备择一致；方法可用于广义线性模型、谱分析和纵向数据等场景。
- 阅读关注点
- 应核对模型选择如何转化为显著性检验、级数阶数如何确定，以及不同应用场景下的零分布、校准方式与一致性条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；“几乎任意备择”的范围及有限样本表现未具体说明。
原文摘要
General methods for testing the fit of a parametric function are proposed. The idea underlying each method is to “accept” the prescribed parametric model if and only if it is chosen by a model selection criterion. Several different selection criteria are considered, including one based on a modified version of the Akaike information criterion and others based on various score statistics. The tests have a connection with nonparametric smoothing because they use orthogonal series estimators to detect departures from a parametric model. An important aspect of the tests is that they can be applied in a wide variety of settings, including generalized linear models, spectral analysis, the goodness-of-fit problem, and longitudinal data analysis. Implementation using standard statistical software is straightforward. Asymptotic distribution theory for several test statistics is described, and the tests are shown to be consistent against essentially any alternative hypothesis. Simulations and a data example illustrate the usefulness of the tests.