A CONSISTENT TEST OF CONDITIONAL PARAMETRIC DISTRIBUTIONS
条件参数分布的一致性检验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：摘要研究通用条件分布设定检验，未明确涉及分位数、分布效应或其他给定细分领域。
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
条件参数分布的一致性检验
- 研究问题
- 如何检验条件分布是否被给定参数模型正确刻画？能否构造具有标准零假设极限分布、同时对错设和局部偏离敏感的非参数检验？
- 方法与思路
- 作者结合 Kullback–Leibler 信息函数的一阶线性展开与分布的核估计构造统计量，并分析其零假设分布、一致性和局部功效。
- 材料陈述的贡献
- 摘要称统计量在零假设下渐近标准正态，对错设分布一致拒绝，并能检测以慢于 n 的负二分之一次方速度接近零假设的局部备择。
- 阅读关注点
- 应核对条件分布及参数估计的设定、核与带宽条件，以及局部备择速度结论的适用范围，并检查 Monte Carlo 的尺寸与功效。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断维度、平滑条件和参数估计误差的影响；渐近性质不保证具体有限样本表现，模拟数值未提供。
原文摘要
This paper proposes a new nonparametric test for conditional parametric distribution functions based on the first-order linear expansion of the Kullback–Leibler information function and the kernel estimation of the underlying distributions. The test statistic is shown to be asymptotically distributed standard normal under the null hypothesis that the parametric distribution is correctly specified, whereas asymptotically rejecting the null with probability one if the parametric distribution is misspecified. The test is also shown to have power against any local alternatives approaching the null at rates slower than the parametric rate n −1/2 . The finite sample performance of the test is evaluated via a Monte Carlo simulation.