Consistent specification testing under spatial dependence
空间依赖下的一致模型设定检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究空间依赖下的通用回归设定检验，但未明确涉及网络连接、干扰效应或其他可直接匹配的领域细分。
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
空间依赖下的一致模型设定检验
- 研究问题
- 当数据在一般经济或社会空间中存在多种形式的依赖时，如何对回归函数进行非参数设定检验并获得有效的渐近推断？
- 方法与思路
- 作者提出基于级数的非参数检验，在新的平滑空间依赖条件下建立渐近正态性，并证明增长维度线性过程二次型的中心极限定理。
- 材料陈述的贡献
- 摘要称，该检验覆盖多类空间依赖与空间误差模型，给出二次型极限定理，并对 bootstrap 作理论论证及模拟和实证展示。
- 阅读关注点
- 应核对平滑空间依赖条件、级数维度的选择和增长限制、检验统计量的标准化，以及 bootstrap 有效性与检验一致性的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给完整条件、功效结果或应用细节，不能认为所有空间依赖均被覆盖。
原文摘要
We propose a series-based nonparametric specification test for a regression function when data are spatially dependent, the `space' being of a general economic or social nature. Dependence can be parametric, parametric with increasing dimension, semiparametric or any combination thereof, thus covering a vast variety of settings. These include spatial error models of varying types and levels of complexity. Under a new smooth spatial dependence condition, our test statistic is asymptotically standard normal. To prove the latter property, we establish a central limit theorem for quadratic forms in linear processes in an increasing dimension setting. Finite sample performance is investigated in a simulation study, with a bootstrap method also justified and illustrated, and empirical examples illustrate the test with real-world data.