NONPARAMETRIC SIGNIFICANCE TESTING
非参数回归中的变量显著性检验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：摘要讨论一般非参数回归变量检验，未提供因果识别或其他给定领域细分的直接证据。
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
非参数回归中的变量显著性检验
- 研究问题
- 如何检验非参数回归中一组解释变量是否没有作用？核方法构造的检验具有怎样的零假设分布、一致性和局部备择检测能力？
- 方法与思路
- 作者用核方法构造单侧变量显著性检验，推导标准化后的正态极限及局部功效，并通过 Monte Carlo 与已有检验比较。
- 材料陈述的贡献
- 摘要称检验对所有备择一致，并可检测规定速度下的局部偏离；模拟中优于所比较的方法，但这只是摘要报告的特定实验结论。
- 阅读关注点
- 应核对“无作用”的精确定义、带宽和回归维度条件，尤其核实摘要中标准化率的排版，并检查比较实验是否匹配尺寸和调参方式。
- 阅读边界
- 仅据所给 Crossref 摘要，不能恢复排版含混的全部收敛率表达或判断普遍优势；变量显著性也不能直接解释为因果效应，版本变化未知。
原文摘要
A procedure for testing the significance of a subset of explanatory variables in a nonparametric regression is proposed. Our test statistic uses the kernel method. Under the null hypothesis of no effect of the variables under test, we show that our test statistic has an nh p 2 /2 standard normal limiting distribution, where p 2 is the dimension of the complete set of regressors. Our test is one-sided, consistent against all alternatives and detects local alternatives approaching the null at rate slower than n −1/2 h − p 2 /4 . Our Monte-Carlo experiments indicate that it outperforms the test proposed by Fan and Li (1996, Econometrica 64, 865–890).