Minimax adaptive tests for the functional linear model
函数型线性模型的极小极大自适应检验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：摘要研究一般函数型回归的检验理论，未提供对应因果、面板、预测或金融方向的直接证据。
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…
函数型线性模型的极小极大自适应检验
- 研究问题
- 在响应为实数的函数型线性模型中，能否检验斜率函数为零，并对未知斜率及协变量函数的光滑性保持自适应？
- 方法与思路
- 作者提出两种结合多重检验与函数主成分随机投影的程序，在非渐近框架下分析检验水平和局部备择功效。
- 材料陈述的贡献
- 摘要称，两种程序达到带不可避免双重对数乘法项的极小极大自适应性，并给出多类正则性下的分离距离。
- 阅读关注点
- 应核对函数正则性类别、协变量条件、多重检验校准方式，以及自适应代价和分离距离的精确定义。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；具体假设、常数及数值结果未提供，不能据此判断所有函数型数据上的检验表现。
原文摘要
We introduce two novel procedures to test the nullity of the slope function in the functional linear model with real output. The test statistics combine multiple testing ideas and random projections of the input data through functional principal component analysis. Interestingly, the procedures are completely data-driven and do not require any prior knowledge on the smoothness of the slope nor on the smoothness of the covariate functions. The levels and powers against local alternatives are assessed in a nonasymptotic setting. This allows us to prove that these procedures are minimax adaptive (up to an unavoidable $\log\log n$ multiplicative term) to the unknown regularity of the slope. As a side result, the minimax separation distances of the slope are derived for a large range of regularity classes. A numerical study illustrates these theoretical results.