Projection-averaging-based cumulative covariance and its use in goodness-of-fit testing for single-index models
Projection-averaging-based cumulative covariance and its use in goodness-of-fit testing for single-index models
复制标题
基于投影平均的累积协方差及其在单指标模型拟合优度检验中的应用
DOI：
10.1016/j.csda.2021.107301
复制
发表时间：
2021-12
影响因子：
1.8
通讯作者：
Zhou Yeqing
中科院分区：
文献类型：
--
作者：
Xu Kai;Zhou Yeqing
提出了一种基于投影平均的累积发散度来刻画条件均值独立性。作为周等人的自然延伸。（2020年），新指标有几个吸引人的特点。它的范围从0到1，当且仅当条件平均独立性成立时等于0。它有一个优雅的封闭式表达式，不涉及调优参数，因此易于实现。新度量的样本估计在条件均值独立下是n-相合的，在条件均值独立下是根n-相合的。进一步介绍了基于该度量变量的单指标模型的拟合优度检验，该检验将Escanciano（2006）基于投影的检验推广到允许未指定链接函数的半参数回归设置。所提出的测试是一致的，对任何全球的替代品，并可以检测到当地的替代品不同于零的参数率为O（n-1/2）。通过仿真示例和真实的应用证明了我们建议的有效性。
A projection-averaging-based cumulative divergence to characterize the conditional mean independence is proposed. As a natural extension of Zhou et al.(2020), the new metric has several appealing features. It ranges from zero to one, and equals zero if and only if the conditional mean independence holds. It has an elegant closed-form expression that involves no tuning parameters, making it easy to implement. The sample estimator of new metric is n-consistent under the conditional mean independence and root-n-consistent otherwise. A goodness-of-fit test for single-index models based on the variant of the proposed metric is further introduced, which generalizes the projected-based test of Escanciano (2006) to a semiparametric regression setting that allows an unspecified link function. The proposed test is consistent against any global alternatives and can detect the local alternatives distinct from the null at the parametric rate of O (n− 1/2). The effectiveness of our proposals is demonstrated through simulation examples and a real application.
登录
查看更多内容
DOI：
10.1214/09-aoas312
发表时间：
2009-01-01
期刊：
The annals of applied statistics
影响因子：
--
作者：
Kosorok MR
通讯作者：
Kosorok MR
影响因子：
1.4
作者：
Yingcun Xia;Dixin Zhang
通讯作者：
Yingcun Xia;Dixin Zhang
影响因子：
--
作者：
BLUM, JR;KIEFER, J;ROSENBLATT, M
通讯作者：
ROSENBLATT, M
DOI：
10.1080/01621459.2014.887012
发表时间：
2014-07-03
影响因子：
3.7
作者：
Shao, Xiaofeng;Zhang, Jingsi
通讯作者：
Zhang, Jingsi
影响因子：
2.7
作者：
Zhu L;Xu K;Li R;Zhong W
通讯作者：
Zhong W