Specification Tests Based on Artificial Regressions
基于辅助回归的模型设定检验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：摘要明确将logit和probit二元选择模型的设定检验列为应用，直接对应离散选择。
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
基于辅助回归的模型设定检验
- 研究问题
- 如何将辅助线性回归作为计算工具，统一计算基于原假设估计的模型设定检验，并扩展到非线性和二元选择模型？
- 方法与思路
- 作者讨论辅助回归的一般原理，展示如何计算拉格朗日乘数、Durbin–Wu–Hausman及条件矩等检验。
- 材料陈述的贡献
- 摘要称辅助回归可计算多类并非显式拉格朗日乘数形式的检验，并给出非线性参数限制及logit、probit实例。
- 阅读关注点
- 应核对每种检验对应的辅助因变量与回归项、原假设下估计要求，以及统计量换算和参考分布成立的条件。
- 阅读边界
- 材料为版本未注明的OpenAlex索引摘要；具体辅助回归构造与渐近条件未说明，不能将计算便利解释为统计功效更强。
原文摘要
Many specification tests can be computed with artificial linear regressions designed to be used as calculating devices to obtain test statistics and other quantities of interest. This article discusses the general principles that underlie all artificial regressions, and the use of such regressions to compute Lagrange multiplier and other specification tests based on estimates under the null hypothesis. The generality and power of artificial regressions as a means of computing test statistics is demonstrated; how Durbin–Wu–Hausman, conditional moment, and other tests that are not explicitly Lagrange multiplier tests may be computed is shown; and several special cases that illustrate the general results and can be useful in practice are discussed. These include tests of parameter restrictions in nonlinear regression models and tests of binary-choice models such as the logit and probit models.