Consistent Specification Testing Via Nonparametric Series Regression
通过非参数级数回归进行一致的模型设定检验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。
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：摘要聚焦通用参数回归的设定检验与级数回归，未限定因果、面板、时间序列或金融问题，故暂不归入给定细分。
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
通过非参数级数回归进行一致的模型设定检验
- 研究问题
- 如何利用非参数级数回归检验参数回归模型的设定是否正确，并在正确设定与错设两种情形下获得可用于推断的统计量？
- 方法与思路
- 作者提出两个单侧检验：一项基于参数残差与两类拟合值差异的样本协方差，另一项基于残差平方和差异，非参数模型用级数回归估计。
- 材料陈述的贡献
- 摘要称，正确设定时统计量渐近服从标准正态，错设时以快于根号样本量的速度发散，且无需加权、样本分割或非嵌套检验步骤。
- 阅读关注点
- 阅读全文时应核对级数项数的增长条件、统计量的标准化方式、一致性所针对的备择集合，以及有限样本尺寸和功效表现。
- 阅读边界
- 摘要未给出正则条件、级数基选择、局部备择结果或模拟表现；渐近一致性及发散速度本身不足以判断有限样本检验效果。
原文摘要
This paper proposes two consistent one-sided specification tests for parametric regression models, one based on the sample covariance between the residual from the parametric model and the discrepancy between the parametric and nonparametric fitted values; the other based on the difference in sums of squared residuals between the parametric and nonparametric models. The authors estimate the nonparametric model by series regression. The new test statistics converge in distribution to a unit normal under correct specification and grow to infinity faster than the parametric rate [square root of] n under misspecification, while avoiding weighting, sample splitting, and nonnested testing procedures used elsewhere. Copyright 1995 by The Econometric Society.