A Nonparametric Approach to Measuring and Testing Curvature
曲率度量与检验的非参数方法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：摘要聚焦通用非参数回归的曲率检验，虽列举收入与基金应用，仍不足以据此归入给定的具体领域细分。
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
曲率度量与检验的非参数方法
- 研究问题
- 在多元非参数回归中，如何度量并检验线性、凹性或凸性等曲率特征，且全局与局部检验能够识别的备择情形有何差别？
- 方法与思路
- 作者提出不需选择带宽的单纯形统计量及其全局曲率检验，再构造需要平滑参数的局部检验，并讨论其在部分线性模型中的使用。
- 材料陈述的贡献
- 摘要称，局部检验的一致性覆盖比全局检验更广的备择；一元凹性或凸性局部检验分别对所有非凹或非凸备择一致。
- 阅读关注点
- 核对单纯形统计量的定义、全局与局部检验的适用条件、平滑参数选择和一致性证明，并检查工作经验与收入关系及基金择时应用。
- 阅读边界
- 仅据摘要不能判断有限样本尺寸、功效或平滑参数敏感性；统计量无需带宽不意味着局部检验无需调参，后者明确需要平滑参数。
原文摘要
This article considers the problem of testing curvature (e.g., linearity, concavity, convexity) in a multivariate nonparametric regression model. A measure of curvature, called the simplex statistic, that does not require bandwidth choice and is easy to compute, is introduced. A global test of curvature based on the simplex statistic is also introduced. Localized versions of the test, which require smoothing parameters, are shown to be consistent against more general alternatives than the global test. In the univariate case, the local test of concavity (convexity) is consistent against all nonconcave (nonconvex) alternatives. The simplex statistic can also be used in the context of a partially linear regression model. Applications to examining the curvature of the experience-earnings profile and testing the "style timing" of mutual funds are considered.