SPECIFICATION TESTING FOR ERRORS-IN-VARIABLES MODELS
测量误差模型的设定检验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回归的设定检验，未明确对应所列应用领域细分。
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…
关注这篇论文的作者
测量误差模型的设定检验
- 研究问题
- 在解释变量存在测量误差时，如何检验一般非线性回归的参数化设定，并识别既有方法可能不易检测的局部或高频备择？
- 方法与思路
- 作者利用反卷积构造参数拟合与非参数拟合之间的距离统计量，分别建立普通光滑及超光滑测量误差密度下的渐近性质。
- 材料陈述的贡献
- 摘要称检验容许一般非线性回归并具有互补的局部功效性质；模拟中检测高频备择有优势，在某些设定下优于所比较的检验。
- 阅读关注点
- 应核对距离统计量与带宽选择、误差密度是否需已知、局部备择的频率和收敛尺度，以及比较优势出现的具体设定。
- 阅读边界
- 摘要未说明完整假设、临界值构造或模拟数值；特定设定下的优势不能推广为普遍更强功效；解读限于所给 Crossref 摘要。
原文摘要
This paper considers specification testing for regression models with errors-in-variables and proposes a test statistic comparing the distance between the parametric and nonparametric fits based on deconvolution techniques. In contrast to the methods proposed by Hall and Ma (2007, Annals of Statistics , 35, 2620–2638) and Song (2008, Journal of Multivariate Analysis , 99, 2406–2443), our test allows general nonlinear regression models and possesses complementary local power properties. We establish the asymptotic properties of our test statistic for the ordinary and supersmooth measurement error densities. Simulation results endorse our theoretical findings: our test has advantages in detecting high-frequency alternatives and dominates the existing tests under certain specifications.