Testing Goodness-of-Fit in Regression Via Order Selection Criteria
通过阶数选择准则检验回归拟合优度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：摘要研究通用回归函数的参数形式检验，未明确对应因果效应、结构变化或其他所列领域细分。
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
通过阶数选择准则检验回归拟合优度
- 研究问题
- 如何检验回归函数是否具有指定参数形式，并使检验通过数据选择平滑程度，而无需任意指定平滑参数？
- 方法与思路
- 作者将最小化估计风险函数所选的平滑参数本身作为检验统计量，推导高斯误差下的精确分布和更一般的大样本分布。
- 材料陈述的贡献
- 摘要称，检验对固定备择一致，可检测以样本量平方根倒数速率接近原假设的局部备择，并以例子展示对备择的适应性。
- 阅读关注点
- 应核对风险准则、候选阶数范围与分布推导条件，并区分局部备择检测结果与实例所展示的备择适应能力。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未列误差和设计条件，实例中的适应性不能据此视为对所有备择的统一保证。
原文摘要
A new test is derived for the hypothesis that a regression function has a prescribed parametric form. Unlike many recent proposals, this test does not depend on arbitrarily chosen smoothing parameters. In fact, the test statistic is itself a smoothing parameter which is selected to minimize an estimated risk function. The exact distribution of the test statistic is obtained when the error terms in the regression model are Gaussian, while the large sample distribution is derived for more general settings. It is shown that the proposed test is consistent against fixed alternatives and can detect local alternatives that converge to the null hypothesis at the rate $1/\sqrt n$, where $n$ is the sample size. More importantly, the test is shown by example to have an ability to adapt to the alternative at hand.