非参数广义似然比检验的增强：偏差校正与降维
统计方法学
2015-07-23 v1
摘要
非参数广义似然比检验广泛用于回归模型检验。然而，有两个问题可能阻碍其功效。首先，其极限零分布中的偏差项导致检验不能很好地控制第一类错误，因此需要通过蒙特卡洛近似来确定临界值。其次，由于使用多元非参数函数估计，它严重受到维数灾难的影响。因此，本文的目的有两个：对该检验提出一种偏差校正方法，并推荐一种基于降维的模型自适应增强方法以提升功效表现。所提出的检验仍然具有Wilks现象，并且检验统计量能以更快的速度收敛到其极限，同时对备择模型比原始非参数广义似然比检验敏感得多，如同协变量维度为一的情况。通过模拟研究评估有限样本表现，并与其他常用检验进行比较。最后进行真实数据分析以作说明。
引用
@article{arxiv.1507.06090,
title = {Enhancements of nonparametric generalized likelihood ratio test: Bias-correction and dimension reduction},
author = {Cuizhen Niu and Xu Guo and Lixing Zhu},
journal= {arXiv preprint arXiv:1507.06090},
year = {2015}
}