Smoothing Parameter Selection for Power Optimality in Testing of Regression Curves
为回归曲线检验获得最优功效的平滑参数选择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：摘要属于通用非参数回归检验理论，没有所列经济计量细分方向的直接证据。
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
为回归曲线检验获得最优功效的平滑参数选择
- 研究问题
- 在回归曲线检验中，如何根据检验功效而非其他拟合目标选择平滑参数，并使数据驱动选择趋近理论最优选择？
- 方法与思路
- 作者考察三种检验，分别提出旨在最大化功效的经验平滑参数，并分析其大样本收敛，以多类备择下的模拟评估效果。
- 材料陈述的贡献
- 摘要称，数据驱动平滑参数随样本量增加收敛到最优参数，并通过不同备择类别的模拟展示所提程序的有效性。
- 阅读关注点
- 应核对三种检验的原假设、功效最优所针对的备择，以及最优参数的定义、估计方法和显著性水平是否得到控制。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；未说明检验形式、收敛条件或模拟数值，不能判断对未考察备择的功效表现。
原文摘要
We consider selection of smoothing parameters to obtain optimal power in tests of regression curves. We examine three tests and propose empirical smoothing parameters to maximize the power in each test. We also show that the data-based smoothing parameters converge to the optimal smoothing parameters as sample sizes get larger. We conduct a simulation study for various classes of alternative showing the effectiveness of the proposed procedures.