Alternative Specification Error Tests: A Comparative Study
替代性模型设定误差检验：一项比较研究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：摘要聚焦一般回归设定检验，虽比较自相关检验，但未明确时间序列或其他所列领域场景。
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
替代性模型设定误差检验：一项比较研究
- 研究问题
- 在回归存在遗漏变量或函数形式错误时，RESET 与不同残差自相关检验的检测功效如何比较，自相关又有何影响？
- 方法与思路
- 作者用蒙特卡洛实验比较 RESET、Durbin–Watson 检验及基于前若干阶残差自相关的卡方检验对设定错误的检测能力。
- 材料陈述的贡献
- 摘要称在其模拟比较中 RESET 检测设定错误的功效最高，且对自相关具有稳健性，但未提供具体实验条件和数值。
- 阅读关注点
- 应核对遗漏变量与函数形式错误的生成方式、自相关强度、检验尺寸是否可比，以及摘要所称稳健性的具体含义。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；模拟设计和数值结果未说明，功效最高的表述不能推广到所有回归设定或备择情形。
原文摘要
This article compares the power of the test RESET to that of a number of autocorrelation tests in detecting the errors of omitted variables or incorrect functional form in regression analysis. The autocorrelation tests considered are the Durbin-Watson test and a chi-squared test on the first H autocorrelations in the residual vector. Monte Carlo experiments reveal that the RESET test is the most powerful test for detecting specification errors and is robust to autocorrelation.