Regression Analysis Based on the Signs of the Residuals
基于残差符号的回归分析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：残差符号和中位数误差假设服务于通用回归检验，摘要未研究分位数效应或其他指定细分问题。
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
基于残差符号的回归分析
- 研究问题
- 在误差独立且中位数为零的回归模型中，如何用残差符号及解释变量之间的邻近关系检验回归函数？
- 方法与思路
- 作者利用残差符号与解释变量邻近指标构造检验，通过完全枚举或矩近似获得零假设分布，并反演检验形成置信区域。
- 材料陈述的贡献
- 摘要称该框架可得到函数或参数的置信区域，且涵盖文献中的某些既有检验；但所给文本缺失统计量的具体公式。
- 阅读关注点
- 须查原 PDF 确认缺失的统计量公式、邻近关系定义、矩近似方法，以及检验反演如何形成函数或参数置信区域。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；统计量公式缺失，不能重构或据此推导结论，需查原 PDF；刊本变化未知。
原文摘要
Consider the regression model Y i = f(X i ) + E i, in which the errors are independent and have median 0. Then H 0: f ≡ h may be rejected for large values of , where S i = sgn(Y i — h(X i )) and γ ij = 1 or 0 according as X i and X j are in some sense “close” or not. The distribution of Q under H 0 can be obtained exactly by complete enumeration, or approximately using easily calculated moments; confidence regions for f or its parameters can be obtained by inverting the test. Certain tests in the literature are special cases.