Testing Goodness-of-Fit for Conditional Distributions: A New Perspective based on Principal Component Analysis
条件分布拟合优度检验：基于主成分分析的新视角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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究通用条件分布检验，未指向因果分布效应、时间序列或金融等具体领域。
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…
条件分布拟合优度检验：基于主成分分析的新视角
- 研究问题
- 如何检验参数化条件分布的拟合优度，并让检验既能识别广泛偏离，也能针对特定偏离方向提高检测能力？
- 方法与思路
- 作者对残差标记经验过程建立条件主成分分析，据此构造整体检验、单分量检验和组合分量的平滑检验，并提出分量选择方法。
- 材料陈述的贡献
- 摘要称主成分为多类拟合优度检验提供基础，单分量针对特定方向，分量选择旨在改善检验表现，并以蒙特卡洛实验展示有限样本性能。
- 阅读关注点
- 应核对经验过程及条件主成分的定义、参数估计影响、临界值构造，以及分量选择后的尺寸控制和不同备择方向下的功效。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明正则条件、校准方法与模拟数值，不能据此认定检验普遍更有力。
原文摘要
This paper introduces a novel goodness-of-fit test technique for parametric conditional distributions. The proposed tests are based on a residual marked empirical process, for which we develop a conditional Principal Component Analysis. The obtained components provide a basis for various types of new tests in addition to the omnibus one. Component tests that based on each component serve as experts in detecting certain directions. Smooth tests that assemble a few components are also of great use in practice. To further improve testing performance, we introduce a component selection approach, aiming to identify the most contributory components. The finite sample performance of the proposed tests is illustrated through Monte Carlo experiments.