条件离散响应模型的新拟合优度诊断方法
统计理论
2018-02-01 v1 统计理论
摘要
本文为具有离散响应的条件模型提出了新的设定检验方法，这些模型对于应用有效的最大似然方法、获得偏效应的一致估计以及得到未来事件概率的恰当预测至关重要。特别地，我们检验了静态和动态有序选择模型的设定，并能涵盖无限支撑分布，例如计数数据。离散响应模型设定检验的传统方法基于对加噪离散数据进行概率积分变换，在真实条件分布下产生连续均匀独立同分布序列。然后，可将连续变量的标准设定检验技术应用于变换后的序列，但加噪带来的额外随机性会影响这些方法的功效。本文研究了一种仅基于原始离散数据的替代变换，避免了任何随机化。我们分析了基于这种新变换的拟合优度检验的渐近性质，并探讨了用自助法近似检验统计量临界值的有限样本性质，这些临界值依赖于模型和参数。我们通过分析和模拟证明，我们的方法在功效上优于基于随机化的方法。我们将新检验应用于美联储货币政策的模型。
引用
@article{arxiv.1706.00378,
title = {New goodness-of-fit diagnostics for conditional discrete response models},
author = {Igor Kheifets and Carlos Velasco},
journal= {arXiv preprint arXiv:1706.00378},
year = {2018}
}