A corrected Clarke test for model selection and beyond
修正的 Clarke 检验及模型选择扩展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：摘要核心是通用模型选择检验，分位数回归和金融数据仅作示例，不足以确定给定细分。
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…
修正的 Clarke 检验及模型选择扩展
- 研究问题
- 如何基于可能非光滑的参数化准则构建模型选择检验，并纠正 Clarke 检验分布表述，覆盖非嵌套及部分重叠模型？
- 方法与思路
- 作者以任意准则函数的期望构建一类检验，给出渐近理论，并使用一般可交换自助法计算极限分布与渐近方差。
- 材料陈述的贡献
- 摘要称，框架包含 Vuong 与 Clarke 检验作为特例，指出后者统计量并非原称的二项分布，并提供修正的极限分布。
- 阅读关注点
- 应核对严格局部非嵌套与重叠模型的区别、非光滑准则的条件，以及 Clarke 修正对显著性判断和自助实现的影响。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；修正分布形式、适用条件和金融数据对象未说明，不能据此对某个具体模型作选择判断。
原文摘要
We introduce a large family of model selection tests based on the expectation of an arbitrary, possibly non-smooth, parametric criterion function of the data. The considered methodology is illustrated for several econometric problems, including linear and quantile regression. It covers the case of strictly locally non-nested models and some overlapping models. The asymptotic theory of the proposed test statistic is stated. A general exchangeable bootstrap scheme allows the evaluation of its limiting law as well as its asymptotic variance. Our framework includes the tests for non-nested model selection of Vuong (1989) and Clarke (2007) as particular cases. We show that the statistic of the latter test is not Binomial distributed as originally stated and we provide its corrected limiting law. In a simulation study, we empirically verify the distributional approximation of our test statistic in a finite sample and examine the empirical level and power of the corresponding model selection tests in various settings. Finally, an analysis of a financial dataset illustrates the proposed model selection procedure at work.