A robust permutation test for subvector inference in linear regressions
线性回归子向量推断的稳健置换检验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：摘要研究通用线性回归的子向量置换检验，未提供足以归入给定因果、面板或其他应用细分的文本依据。
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…
线性回归子向量推断的稳健置换检验
- 研究问题
- 在线性模型中检验部分回归系数时，如何构造置换检验，使其在独立性成立时精确，并在较弱条件下保持渐近有效？
- 方法与思路
- 作者按不参与检验的干扰回归变量取值分层，构造子向量置换检验，并分析独立性放松后的水平、一致性与局部功效。
- 材料陈述的贡献
- 摘要称检验在回归变量与误差独立时精确；在强化不相关条件且层数相对样本量较小时，具有所述渐近性质。
- 阅读关注点
- 应核对强化不相关条件的具体形式、离散干扰变量的要求，以及分层数量增长如何影响检验水平和局部功效。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断连续干扰变量或大量分层时的适用性，模拟细节及其他版本变化也未说明。
原文摘要
We develop a new permutation test for inference on a subvector of coefficients in linear models. The test is exact when the regressors and the error terms are independent. Then we show that the test is asymptotically of correct level, consistent, and has power against local alternatives when the independence condition is relaxed, under two main conditions. The first is a slight reinforcement of the usual absence of correlation between the regressors and the error term. The second is that the number of strata, defined by values of the regressors not involved in the subvector test, is small compared to the sample size. The latter implies that the vector of nuisance regressors is discrete. Simulations and empirical illustrations suggest that the test has good power in practice if, indeed, the number of strata is small compared to the sample size.