Asymptotically Uniform Tests After Consistent Model Selection in the Linear Regression Model
线性回归中一致模型选择后的渐近均匀有效检验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：摘要核心是一般线性回归的选择后检验理论，虽提及横截面、时间序列与教育应用，但未明确所列专门领域的方法内容。
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
线性回归中一致模型选择后的渐近均匀有效检验
- 研究问题
- 在线性回归先进行一致模型选择的常见实证流程中，如何构造检验，使其渐近检验尺寸在相关参数范围内获得均匀控制？
- 方法与思路
- 作者将基于精化 Bonferroni 界的临界值方法用于一般线性回归的选择后推断，给出临界值构造算法，并建立均匀渐近尺寸结果。
- 材料陈述的贡献
- 摘要称为一致模型选择后的线性回归检验提供可实施的临界值算法与均匀渐近尺寸结果，设定适用于横截面和时间序列情境。
- 阅读关注点
- 阅读时应核对一致模型选择的具体条件、均匀渐近结果覆盖的参数集合、临界值算法的实施细节，以及班级规模应用的选择步骤。
- 阅读边界
- 摘要未说明模型选择规则、误差过程假设或有限样本表现；班级规模与成绩的应用用于展示实施，不能据此确认因果识别。
原文摘要
This article specializes the critical value (CV) methods that are based upon (refinements of) Bonferroni bounds, introduced by McCloskey to a problem of inference after consistent model selection in a general linear regression model. The post-selection problem is formulated to mimic common empirical practice and is applicable to both cross-sectional and time series contexts. We provide algorithms for constructing the CVs in this setting and establish uniform asymptotic size results for the resulting tests. The practical implementation of the CVs is illustrated in an empirical application to the effect of classroom size on test scores.