SPECIFICATION TEST FOR MISSING FUNCTIONAL DATA
存在缺失观测的函数型数据设定检验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：摘要明确用工资路径检验 Burdett–Mortensen 劳动市场模型，直接涉及结构模型的设定检验。
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
存在缺失观测的函数型数据设定检验
- 研究问题
- 当函数型经济数据只被部分观测且缺失机制未知时，如何利用可见部分检验模型设定，并允许证据不足时得出不确定结果？
- 方法与思路
- 作者采用最坏情形方法扩展函数型数据设定检验，在不限定缺失观测性质的情况下利用已观测信息，并应用于工资路径模型。
- 材料陈述的贡献
- 摘要称检验渐近拒绝概率不超过显著性水平；当观测分布已揭示原假设错误时功效趋一，缺失较多时也可能产生有信息的结果。
- 阅读关注点
- 应核对最坏情形集合的构造、拒绝与不拒绝及不确定结果的判定规则，以及工资路径如何用于检验劳动市场模型。
- 阅读边界
- 仅据所给 Crossref 摘要解读；摘要未给出缺失程度和模拟数值，不拒绝不等于模型正确，功效趋一也依赖观测部分能揭示错误。
原文摘要
Economic data are frequently generated by stochastic processes that can be modeled as realizations of random functions (functional data). This paper adapts the specification test for functional data developed by Bugni, Hall, Horowitz, and Neumann (2009, Econometrics Journal 12, S1–S18) to the presence of missing observations. By using a worst case scenario approach, our method is able to extract the information available in the observed portion of the data while being agnostic about the nature of the missing observations. The presence of missing data implies that our test will not only result in the rejection or lack of rejection of the null hypothesis, but it may also be inconclusive. Under the null hypothesis, our specification test will reject the null hypothesis with a probability that, in the limit, does not exceed the significance level of the test. Moreover, the power of the test converges to one whenever the distribution of the observations conveys that the null hypothesis is false. Monte Carlo evidence shows that the test may produce informative results (either rejection or lack of rejection of the null hypothesis) even under the presence of significant amounts of missing data. The procedure is illustrated by testing whether the Burdett–Mortensen labor market model is the correct framework for wage paths constructed from the National Longitudinal Survery of Youth, 1979 survey.