A NONPARAMETRIC BOOTSTRAP TEST OF CONDITIONAL DISTRIBUTIONS
参数条件分布的非参数 Bootstrap 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：摘要直接以条件分布及条件密度的设定检验为对象，因此归入分位数与分布效应中的分布方法方向。
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
参数条件分布的非参数 Bootstrap 检验
- 研究问题
- 研究如何检验参数条件分布是否正确设定，并使检验适用于离散因变量以及同时含离散和连续变量的条件信息。
- 方法与思路
- 作者推广既有条件分布检验，通过交叉验证平滑离散与连续变量，分析随机平滑参数下的原假设分布并使用 Bootstrap。
- 材料陈述的贡献
- 摘要称，该方法可自动剔除条件密度估计中的无关变量；模拟显示有限样本功效提升，并缓解原检验的尺寸扭曲。
- 阅读关注点
- 应核对离散变量的平滑方法、无关变量自动剔除的条件、交叉验证准则，以及 Bootstrap 如何复现原假设分布。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体平滑条件、重抽样步骤及改进幅度；模拟所述尺寸与功效表现不能外推至所有设计。
原文摘要
This paper proposes a bootstrap test for the correct specification of parametric conditional distributions. It extends Zheng's test (Zheng, 2000, Econometric Theory 16, 667–691) to allow for discrete dependent variables and for mixed discrete and continuous conditional variables. We establish the asymptotic null distribution of the test statistic with data-driven stochastic smoothing parameters. By smoothing both the discrete and continuous variables via the method of cross-validation, our test has the advantage of automatically removing irrelevant variables from the estimate of the conditional density function and, as a consequence, enjoys substantial power gains in finite samples, as confirmed by our simulation results. The simulation results also reveal that the bootstrap test successfully overcomes the size distortion problem associated with Zheng's test.We are grateful for the insightful comments from three referees and a co-editor that greatly improved the paper. Li's research is partially supported by the Private Enterprise Research Center, Texas A&M University. Fan is grateful to the National Science Foundation for research support.