Testing lack of fit in multiple regression
多元回归的失拟检验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：摘要研究通用多元回归诊断，离散数据的出现不足以判定其属于离散选择模型。
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
多元回归的失拟检验
- 研究问题
- 在连续或离散响应的多元回归中，如何通过数据选择备择模型维度开展失拟检验，并确定检验临界值与显著性概率？
- 方法与思路
- 作者采用正交级数估计与得分统计量，以得分形式的AIC或BIC选择维度，利用渐近理论或自助法计算临界值。
- 材料陈述的贡献
- 摘要称，检验适用于多种连续和离散数据情形；多协变量情况下需指定备择模型路径，并以实例和模拟展示应用。
- 阅读关注点
- 应核对原假设、正交基与备择路径的选择，以及数据驱动维度对零分布的影响，比较渐近校准和自助法的要求。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；检验功效、尺寸表现及路径选择规则未具体说明，不能认定其对任意失拟形式均有效。
原文摘要
We study lack-of-fit tests based on orthogonal series estimators. A common feature of these tests is that they are functions of score statistics that employ data-driven model dimensions. The criteria used to select the dimension are score-based versions of AIC and BIC. The tests can be applied in a wide variety of settings, including both continuous and discrete data. With two or more covariates, a model sequence, i.e. a path in the alternative models space, has to be chosen. Critical points and p-values of the lack-of-fit tests can be obtained via asymptotic distribution theory or by use of the bootstrap. Data examples and a simulation study illustrate the applicability of the tests.