Testing the Predictor Effect on a Functional Response
预测变量对函数型响应影响的检验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：摘要研究通用函数型响应的条件均值检验，没有因果识别或其他所列细分方向的明确依据。
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…
预测变量对函数型响应影响的检验
- 研究问题
- 如何在不指定响应与协变量关系模型的情况下，检验函数型响应给定协变量的条件期望是否几乎处处为零？
- 方法与思路
- 作者用一维最近邻平滑构造二次型统计量，以标准正态渐近分布确定临界值；多维或函数型协变量先进行降维。
- 材料陈述的贡献
- 摘要称，检验能够检测线性及非参数备择，允许未知形式的条件方差，也无需知道协变量分布，并用模拟和真实数据展示表现。
- 阅读关注点
- 核对条件均值为零所需的中心化处理、降维是否保留相关影响、最近邻参数选择，以及正态近似和非参数备择检测的条件。
- 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；摘要未列出降维与渐近条件，所检验的条件均值关系不是因果效应。
原文摘要
This article examines the problem of nonparametric testing for the no-effect of a random covariate (or predictor) on a functional response. This means testing whether the conditional expectation of the response given the covariate is almost surely zero or not, without imposing any model relating response and covariate. The covariate could be univariate, multivariate, or functional. Our test statistic is a quadratic form involving univariate nearest neighbor smoothing and the asymptotic critical values are given by the standard normal law. When the covariate is multidimensional or functional, a preliminary dimension reduction device is used, which allows the effect of the covariate to be summarized into a univariate random quantity. The test is able to detect not only linear but nonparametric alternatives. The responses could have conditional variance of unknown form and the law of the covariate does not need to be known. An empirical study with simulated and real data shows that the test performs well in applications. Supplementary materials for this article are available online.