ANCOVA Methods for Heteroscedastic Nonparametric Regression Models
异方差非参数回归模型的协方差分析方法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：摘要讨论一般非参数协方差分析，未提供因果识别或其他所列经济计量细分的明确依据。
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…
关注这篇论文的作者
异方差非参数回归模型的协方差分析方法
- 研究问题
- 当各因素水平组合中的响应与协变量关系具有未知平滑回归函数和异方差时，如何调整协变量并检验主效应、交互效应与简单效应？
- 方法与思路
- 作者允许各单元拥有未知平滑回归和尺度函数，并假设误差独立于协变量；据此构造协变量调整后的效应检验，研究渐近分布并模拟。
- 材料陈述的贡献
- 摘要称，方法推广非参数协方差分析，提供三类效应的检验统计量及渐近分布，并通过模拟研究小样本行为、分析真实数据。
- 阅读关注点
- 应核对各类效应在非参数模型中的定义、误差与协变量独立性的作用，以及平滑估计、组间协变量分布和异方差对检验的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体平滑条件、检验构造和模拟结果未说明，协变量调整的效应检验不能直接视为因果识别。
原文摘要
We consider an ANCOVA design in which the relationship between the response Yi and the covariate Xi in cell (factor-level combination) i satisfies the model Yi = mi(Xi)+σi(Xi)ϵi, where the error term ϵi is assumed to be independent of Xi, and mi and σi are respectively a smooth (but unknown) regression and scale function. This model can be viewed as a generalization of the nonparametric ANCOVA model of Young and Bowman. As such it is a useful alternative for parametric or semiparametric ANCOVA models, whenever modeling assumptions such as proportional odds, normality of the error terms, linearity or homoscedasticity appear suspect. We develop test statistics for the hypotheses of no main effects, no interaction effects, and no simple effects, which adjust for the covariate values, as defined by Akritas, Arnold, and Du. The asymptotic distribution of the test statistics is obtained, its small sample behavior is studied by means of simulations and a real dataset is analyzed.