Detecting dependencies in smooth regression models
平滑回归模型中的依赖性检测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：摘要研究固定设计非参数回归中的误差依赖，未明确将观测设为时间序列、面板或网络数据。
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…
关注这篇论文的作者
平滑回归模型中的依赖性检测
- 研究问题
- 在固定设计的非参数回归中，如何估计误差相关性，并构造针对不同不相关原假设的整体与局部检验？
- 方法与思路
- 作者以不同跨度数据的平方差构造相关性估计量，建立极限分布及检验，并引入广义差分方案扩展估计。
- 材料陈述的贡献
- 摘要称，回归函数满足 Lipschitz 连续时估计量一致，并报告了极限分布、渐近检验和有限样本模拟研究。
- 阅读关注点
- 应核对除平滑性外的误差过程条件、跨度选择、整体与局部原假设定义，以及模拟中的检验尺寸和功效。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；完整正则条件和模拟结果未给出，不能仅凭平滑性断言任意相关结构下有效。
原文摘要
A class of simple estimators for the correlation of the errors in nonparametric regression models is proposed for the fixed design case. These estimators are based on squared differences of various spans of the data and are consistent so long as the regression function is Lipschitz continuous. The limiting distribution is established and applied to derive asymptotic ‘global’ and ‘local’ tests for different null hypotheses of uncorrelatedness. The finite sample behaviour of estimators and tests is investigated in a Monte Carlo study. A more general class of estimators using generalized difference schemes is also introduced.