英格丽德·范·凯勒贡;文塞斯劳González Manteiga;塞萨尔·桑切斯·塞勒罗 参数回归中基于误差分布估计的优良性检验。 (英语) Zbl 1196.62049号 测试 17,第2期,401-415(2008). 小结:考虑一个异方差回归模型(Y=m(X)+\sigma(X)\varepsilon),其中(m(X。我们提出了一种新的检验统计量,用于检验回归曲线是否属于回归函数的参数族。提出的检验统计量测量了参数残差和非参数残差的经验分布函数之间的距离。发展了所提出的测试的渐近理论,并通过小型模拟研究和数据集分析说明了所提出的测试程序。 引用于45文件 理学硕士: 62克10 非参数假设检验 62G30型 订单统计;经验分布函数 6220国集团 非参数推理的渐近性质 62F05型 参数检验的渐近性质 关键词:引导数据库;菲特之美;异方差回归;模型检查;非线性回归;非参数回归;剩余分布 PDF格式BibTeX公司 XML格式引用 \textit{I.Van Keilegom}等人,测试17,编号2,401-415(2008;Zbl 1196.62049) 全文: 内政部 参考文献: [1] Akritas MG,Van Keilegom I(2001)残差分布的非参数估计。扫描J统计28:549–568·Zbl 0980.62027号 ·doi:10.1111/1467-9469.00254 [2] AlcaláJT,Cristóbal JA,González Manteiga W(1999)基于局部多项式的线性模型的良好性检验。统计概率Lett 42:39–46·Zbl 0946.62016号 ·doi:10.1016/S0167-7152(98)00184-9 [3] Bellver C(1987)《微粒污染对塞维利亚(西班牙)天空中性点位置的影响》。Atmos Environ公司21:699–702·doi:10.1016/0004-6981(87)90051-5 [4] Chen SX,Härdle W,Li M(2003)时间序列的经验似然良好性检验。罗伊统计学会期刊B 65:663–678·Zbl 1063.62064号 ·doi:10.1111/1467-9868.00408 [5] Choi E,Hall P,Rousson V(2000)非参数回归中减少偏差的数据锐化方法。安统计28:1339–1355·Zbl 1105.62336号 ·doi:10.1214/aos/1015957396 [6] 克利夫兰WS(1993)可视化数据。霍巴特出版社,峰会 [7] Dette H(1999)基于方差估计值差异的回归函数形式的一致性检验。安统计27:1012–1040·Zbl 0957.62036号 ·doi:10.1214/aos/1018031266 [8] Dette H,Munk A(1998)线性回归模型的验证。安统计26:778–800·Zbl 0930.62041号 ·doi:10.1214操作系统/1028144860 [9] Dette H,Munk A,Wagner T(2000)多元线性回归模型中的模型假设测试。非参数统计杂志12:309–342·Zbl 1033.62037号 ·doi:10.1080/10485250008832811 [10] Fan J,Zhang C,ZhangJ(2001)广义似然比统计与Wilks现象。安统计29:153–193·Zbl 1029.62042号 ·doi:10.1214/aos/996986505 [11] González Manteiga W,Prada Sánchez JM,Romo J(1994)《引导——评论》。计算统计9:165–205·Zbl 0938.62047号 [12] Hall P、DiCiccio TJ、Romano JP(1989)《关于平滑和引导》。Ann统计17:692–704·Zbl 0672.62051号 ·doi:10.1214/aos/1176347135 [13] Härdle W,Mammen E(1993)非参数回归拟合与参数回归拟合的比较。Ann Stat 21:1926–1947年·Zbl 0795.62036号 ·doi:10.1214/aos/1176349403 [14] Hart JD(1997)非参数平滑和缺乏拟合检验。纽约州施普林格·Zbl 0886.62043号 [15] Jennrich RI(1969)非线性最小二乘估计量的渐近性质。数学统计年鉴40:633–643·Zbl 0193.47201号 ·doi:10.1214/aoms/1177697731 [16] Koul HL,Lahiri SN(1994)关于多重线性回归模型中的自举M-估计残差过程。《多变量分析杂志》49:255–265·Zbl 0795.62063号 ·doi:10.1006/jmva.1994.1025 [17] Mammen E(2000)非参数回归的重采样方法。收录:Schimek MG(ed)平滑与回归。纽约威利·Zbl 0980.62031号 [18] Sánchez Sellero C(2001)Inferencia estadística en datos con censura y/o truncamiento。圣地亚哥德孔波斯特拉大学博士论文 [19] Seber GAF,Wild CJ(1989)非线性回归。纽约威利 [20] Stute W(1997)非参数模型回归检验。安统计25:613–641·Zbl 0926.62035号 ·doi:10.1214/aos/1031833666 [21] Stute W,González Manteiga W,Presedo Quindimil M(1998)回归模型检查中的Bootstrap近似。美国统计协会杂志93:141–149·兹比尔0902.62027 ·doi:10.2307/2669611 [22] Van der Vaart AW(1998)《渐近统计》。剑桥大学出版社·Zbl 0910.62001号 [23] Van Keilegom I,Veraverbeke N(2002),删失回归模型中的密度和风险估计。伯努利8:607–625·Zbl 1007.62029号 [24] White H(1981)错误指定非线性回归模型的后果和检测。美国统计协会杂志76:419–433·Zbl 0467.62058号 ·doi:10.2307/2287845 [25] White H(1982)错误指定模型的最大似然估计。计量经济学50:1–25·Zbl 0478.62088号 ·doi:10.2307/1912526 [26] Wu CF(1981)非线性最小二乘估计的渐近理论。安统计9:501–513·Zbl 0475.62050号 ·doi:10.1214/aos/1176345455 [27] Zhang CM(2003)通过多尺度广义似然比对回归函数进行自适应检验。加拿大统计局31:151–171·Zbl 1040.62035号 ·doi:10.2307/3316065 [28] 张CM,Dette H(2004)非参数回归检验之间的功效比较。统计概率Lett 66:289–301·Zbl 1102.62049号 ·doi:10.1016/j.spl.2003.11.005 [29] 朱L-X(2003)回归的降维型模型检验。统计Sin 13:283–296·Zbl 1015.62042号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。