WEIGHTED AVERAGE POWER SIMILAR TESTS FOR STRUCTURAL CHANGE IN THE GAUSSIAN LINEAR REGRESSION MODEL
高斯线性回归结构变化的加权平均功效相似检验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：摘要明确研究线性回归中的结构变化检验，其核心问题直接对应结构变化方向。
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
高斯线性回归结构变化的加权平均功效相似检验
- 研究问题
- 高斯线性回归的结构变化检验中，如何计算没有简单闭式的加权平均功效统计量，并扩大可实现最优性的权重函数范围？
- 方法与思路
- 作者用一致拉普拉斯近似计算复杂积分，并研究平均 F 检验的一个修正版，将其写成二次型之比以便数值计算。
- 材料陈述的贡献
- 摘要称，该近似适用于无简单闭式的统计量；修正版平均 F 检验在很广的权重函数类下最优，且便于计算 p 值和临界值。
- 阅读关注点
- 应核对相似检验的约束、加权功效的最优性标准、权重函数范围，以及拉普拉斯近似的统一性与数值误差。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定最优性适用的备择与权重条件；摘要未说明近似精度或非高斯误差下的适用性。
原文摘要
Average exponential F tests for structural change in a Gaussian linear regression model and modifications thereof maximize a weighted average power that incorporates specific weighting functions to make the resulting test statistics simple. Generalizations of these tests involve the numerical evaluation of (potentially) complicated integrals. In this paper, we suggest a uniform Laplace approximation to evaluate weighted average power test statistics for which a simple closed form does not exist. We also show that a modification of the avg- F test is optimal under a very large class of weighting functions and can be written as a ratio of quadratic forms so that both its p -values and critical values are easy to calculate using numerical algorithms.