A Parametric Approach to Flexible Nonlinear Inference
灵活非线性推断的参数化方法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：摘要以通胀—失业关系的回归或预测分析为实证应用，据此归入宏观时间序列，方法本身具有一般性。
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
灵活非线性推断的参数化方法
- 研究问题
- 当回归或预测关系的函数形式未知时，如何检验是否存在非线性、刻画其形状，并判断给定参数模型能否充分描述该关系？
- 方法与思路
- 作者将未知回归函数视为随机过程的结果，引入平稳随机场，用极大似然或贝叶斯方法估计参数，并构造线性检验与数值贝叶斯区间。
- 材料陈述的贡献
- 摘要称该框架对一大类确定性函数也能给出一致估计，并提出线性检验与小样本区间；菲利普斯曲线应用提示非线性可能解释既有实证差异。
- 阅读关注点
- 核对随机场的具体设定、函数一致性所需条件、线性拉格朗日乘数检验的零假设分布，以及数值贝叶斯区间的解释和应用稳健性。
- 阅读边界
- 摘要未列出一致性的正则条件、检验尺寸或区间覆盖率，也未给出应用数值；菲利普斯曲线的解释仍是摘要中的可能性陈述。
原文摘要
This paper proposes a new framework for determining whether a given relationship is nonlinear, what the nonlinearity looks like, and whether it is adequately described by a particular parametric model. The paper studies a regression or forecasting model of the form yt=μ(xt)+εt where the functional form of μ(⋅) is unknown. We propose viewing μ(⋅) itself as the outcome of a random process. The paper introduces a new stationary random field m(⋅) that generalizes finite-differenced Brownian motion to a vector field and whose realizations could represent a broad class of possible forms for μ(⋅). We view the parameters that characterize the relation between a given realization of m(⋅) and the particular value of μ(⋅) for a given sample as population parameters to be estimated by maximum likelihood or Bayesian methods. We show that the resulting inference about the functional relation also yields consistent estimates for a broad class of deterministic functions μ(⋅). The paper further develops a new test of the null hypothesis of linearity based on the Lagrange multiplier principle and small-sample confidence intervals based on numerical Bayesian methods. An empirical application suggests that properly accounting for the nonlinearity of the inflation-unemployment trade-off may explain the previously reported uneven empirical success of the Phillips Curve.