Deconvolution-Based Score Tests in Measurement Error Models
测量误差模型中基于反卷积的得分检验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：摘要讨论通用测量误差模型与得分检验，未提供因果识别或其他所列细分方向的充分依据。
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…
测量误差模型中基于反卷积的得分检验
- 研究问题
- 在广义线性模型中，真实标量解释变量只能通过含误差的替代变量观测时，如何有效检验解释变量与响应之间不存在关联？
- 方法与思路
- 作者假定测量误差分布已知，且误差独立于真实解释变量和响应，以非参数方法估计给定替代观测的真实变量条件均值。
- 材料陈述的贡献
- 摘要称，利用条件均值的非参数估计可构造渐近有效的得分检验，并在证明检验效率的过程中建立该估计量的收敛速度。
- 阅读关注点
- 应核对反卷积估计所需的分布与光滑性条件、条件均值估计误差如何进入检验，以及渐近效率相对于何种基准定义。
- 阅读边界
- 仅依据稿件版本未注明的 OpenAlex 索引摘要；具体正则条件与有限样本表现未说明，不能外推到误差分布未知或误差相关的情形。
原文摘要
Consider a generalized linear model with response $Y$ and scalar predictor $X$. Instead of observing $X$, a surrogate $W = X + Z$ is observed, where $Z$ represents measurement error and is independent of $X$ and $Y$. The efficient score test for the absence of association depends on $m(w) = E(X\mid W = w)$ which is generally unknown. Assuming that the distribution of $Z$ is known, asymptotically efficient tests are constructed using nonparametric estimators of $m(w)$. Rates of convergence for the estimator of $m(w)$ are established in the course of proving efficiency of the proposed test.