Testing for linearity versus convexity in regression using a contrast-type test
利用对比型检验区分回归函数的线性与凸性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：摘要属于一般回归形状检验，未明确涉及结构估计、因果推断或其他给定细分。
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…
关注这篇论文的作者
利用对比型检验区分回归函数的线性与凸性
- 研究问题
- 针对回归函数为线性的原假设和凸性的备择假设，如何构造最佳线性检验，并与似然比检验比较检验功效？
- 方法与思路
- 作者构造用于线性对凸性检验的最佳线性检验，并开展若干功效比较；摘要未交代对比构造、观测设计或误差分布。
- 材料陈述的贡献
- 摘要明确陈述的贡献是得到该问题的最佳线性检验，并与似然比检验作部分功效比较，未报告比较结果或普遍优势。
- 阅读关注点
- 应核对最佳性的评价标准及限定检验类、凸性备择的定义、设计与误差条件，以及功效比较覆盖的具体备择和样本情形。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要仅两句，最佳性的条件和功效结果均未说明，不能据此断言优于似然比检验。
原文摘要
The best linear test is obtained for testing linearity against convexity of a regression function. Some power comparisons are made with the likelihood ratio test.