Local and Omnibus Goodness-of-Fit Tests in Classical Measurement Error Models
经典测量误差模型中的局部与总体拟合优度检验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：摘要关注一般测量误差模型的检验，未明确涉及因果识别、结构估计或其他所列细分。
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…
经典测量误差模型中的局部与总体拟合优度检验
- 研究问题
- 在协变量存在测量误差、且不对被误测变量施加分布假设的模型中，如何构造局部检验和覆盖广泛备择的拟合优度检验？
- 方法与思路
- 作者在半参数框架下提出得分型局部检验与基于正交级数的总体检验，无须提供或计算似然，并讨论若干模型扩展。
- 材料陈述的贡献
- 摘要称检验具有类似参数得分检验的最优性和计算优势，可扩展至非参数估计误差分布等情形，并通过模拟和营养数据演示。
- 阅读关注点
- 应核对测量误差相关假设、两类检验针对的备择、级数截断与临界值选择，以及误差分布需要估计时对检验的影响。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断检验最优性的具体含义、适用条件和有限样本表现；摘要未报告模拟或营养数据的具体结果。
原文摘要
Summary We consider functional measurement error models, i.e. models where covariates are measured with error and yet no distributional assumptions are made about the mismeasured variable. We propose and study a score-type local test and an orthogonal series-based, omnibus goodness-of-fit test in this context, where no likelihood function is available or calculated—i.e. all the tests are proposed in the semiparametric model framework. We demonstrate that our tests have optimality properties and computational advantages that are similar to those of the classical score tests in the parametric model framework. The test procedures are applicable to several semiparametric extensions of measurement error models, including when the measurement error distribution is estimated non-parametrically as well as for generalized partially linear models. The performance of the local score-type and omnibus goodness-of-fit tests is demonstrated through simulation studies and analysis of a nutrition data set.