Testing independence and goodness-of-fit in linear models
线性模型中的独立性与拟合优度检验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：摘要属于一般回归模型诊断，误差独立性检验本身不足以归为因果识别或其他所列细分。
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…
线性模型中的独立性与拟合优度检验
- 研究问题
- 如何用一个综合检验同时检查线性回归中误差与预测变量的独立性，以及参数模型的拟合是否正确？
- 方法与思路
- 作者基于 Hilbert–Schmidt 独立性准则检验预测变量与拟合残差的独立性，推导统计量分布，并用 bootstrap 近似零假设分布。
- 材料陈述的贡献
- 摘要称检验无需用户指定正则化、对所有备择一致，且 bootstrap 方案一致；模拟中功效优于主要比较方法，并展示两个数据例子。
- 阅读关注点
- 应核对残差估计对检验分布的影响、独立性与拟合误设的联合原假设、核或距离的选择，以及 bootstrap 一致性的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出一致性条件与功效幅度，不能据此判断拒绝时究竟由哪一种模型假设失效导致。
原文摘要
We consider a linear regression model and propose an omnibus test to simultaneously check the assumption of independence between the error and predictor variables and the goodness-of-fit of the parametric model. Our approach is based on testing for independence between the predictor and the residual obtained from the parametric fit by using the Hilbert–Schmidt independence criterion (Gretton et al., 2008). The proposed method requires no user-defined regularization, is simple to compute based on only pairwise distances between points in the sample, and is consistent against all alternatives. We develop distribution theory for the proposed test statistic, under both the null and the alternative hypotheses, and devise a bootstrap scheme to approximate its null distribution. We prove the consistency of the bootstrap scheme. A simulation study shows that our method has better power than its main competitors. Two real datasets are analysed to demonstrate the scope and usefulness of our method.