Alternative Specification Error Tests: A Comparative Study
不同模型设定误差检验的比较研究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：摘要研究一般回归设定检验，自相关比较本身不足以确定宏观时间序列等具体领域。
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…
关注这篇论文的作者
不同模型设定误差检验的比较研究
- 研究问题
- 在回归遗漏变量或函数形式错误的情形下，RESET 与残差自相关检验的检测功效有何差异，自相关又如何影响比较？
- 方法与思路
- 作者用蒙特卡洛实验比较 RESET、Durbin–Watson 检验和基于残差前若干阶自相关的卡方检验对设定误差的检测能力。
- 材料陈述的贡献
- 摘要称在所考察的蒙特卡洛实验中，RESET 对设定误差的检测功效最高，且对自相关具有稳健性，但未报告具体数值。
- 阅读关注点
- 应核对遗漏变量和函数形式错误的生成方式、误差自相关设定、检验尺寸与功效的区分，以及各检验使用的临界值。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；实验设计和稳健性定义未说明，不能把局部比较理解为 RESET 普遍最优或推断刊本变化。
原文摘要
This article compares the power of the test RESET to that of a number of autocorrelation tests in detecting the errors of omitted variables or incorrect functional form in regression analysis. The autocorrelation tests considered are the Durbin-Watson test and a chi-squared test on the first H autocorrelations in the residual vector. Monte Carlo experiments reveal that the RESET test is the most powerful test for detecting specification errors and is robust to autocorrelation.