A Robust Test for Non-nested Hypotheses
非嵌套假设的稳健检验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：摘要涉及一般非嵌套模型选择和稳健检验，未明确对应因果、离散选择、宏观或金融细分方向。
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
非嵌套假设的稳健检验
- 研究问题
- 在两个非嵌套假设之间作选择时，少量数据污染会怎样影响Cox型检验，能否构造检验水平更稳定的替代统计量？
- 方法与思路
- 作者先分析污染对检验决策的影响，再利用既有稳健参数检验结果构造稳健Cox型统计量，并进行数值与模型选择示例分析。
- 材料陈述的贡献
- 摘要称新检验的水平对污染较稳定，所报数值分析中渐近分布也更接近样本分布；应用涵盖分布选择和无截距回归变量选择。
- 阅读关注点
- 应核对污染模型、稳健化参数与检验校准方式，并区分检验水平稳定性、渐近近似精度和功效之间可能存在的取舍。
- 阅读边界
- 仅据所给Crossref摘要；污染规模、样本量和功效比较未说明，不能推断其在所有非嵌套模型中均优于经典检验。
原文摘要
Summary We propose a robust version of Cox-type test statistics for the choice between two non-nested hypotheses. We first show that the influence of small amounts of contamination in the data on the test decision can be very large. Secondly, we build a robust test statistic by using the results on robust parametric tests that are available in the literature and show that the level of the robust test is stable. Finally, we show numerically not only the robustness of this new test statistic but also that its asymptotic distribution is a good approximation of its sample distribution, unlike for the classical test statistic. We apply our results to the choice between a Pareto and an exponential distribution as well as between two competing regressors in the simple linear regression model without intercept.