[论文解读] Expansion for moments of regression quantiles with application to nonparametric testing

Enno Mammen, Ingrid Van Keilegom+1 more|arXiv (Cornell University)|Jun 26, 2013

Statistical Methods and Inference参考文献 31被引用 3

一句话总结

本文通过核平滑方法，基于Nadaraya-Watson分位数估计量矩的高阶Edgeworth展开，提出了一种非参数检验方法，用于检验回归分位数的参数设定。其核心贡献在于，构造的检验统计量渐近等价于参数与非参数拟合之间的加权L²距离，且在原假设下具有正态极限分布，从而可在无需严格带宽或维度假设的条件下实现有效的推断。

ABSTRACT

We discuss nonparametric tests for parametric specifications of regression quantiles. The test is based on the comparison of parametric and nonparametric fits of these quantiles. The nonparametric fit is a Nadaraya-Watson quantile smoothing estimator. An asymptotic treatment of the test statistic requires the development of new mathematical arguments. An approach that makes only use of plugging in a Bahadur expansion of the nonparametric estimator is not satisfactory. It requires too strong conditions on the dimension and the choice of the bandwidth. Our alternative mathematical approach requires the calculation of moments of Nadaraya-Watson quantile regression estimators. This calculation is done by application of higher order Edgeworth expansions.

研究动机与目标

• 开发一种针对参数回归分位数模型的非参数拟合优度检验。
• 克服标准Bahadur展开方法对带宽和维度施加的强限制。
• 建立基于参数与非参数分位数拟合之间L²距离的检验统计量的渐近正态性。
• 利用Nadaraya-Watson分位数估计量矩的高阶Edgeworth展开，推导原假设下检验统计量的渐近分布。
• 提供一种稳健的、全检（omnibus）检验，对分位数回归模型中各类替代假设具有检验效能。

提出的方法

• 提出基于非参数Nadaraya-Watson分位数估计量与参数拟合之间积分平方差的检验统计量。
• 采用乘积核与带宽 $ h $ 进行核平滑，假设所有带宽同阶。
• 将非参数估计量 $ \widehat{r}_{\alpha}(x) $ 定义为在参数拟合残差上最小化加权检验函数的结果。
• 应用高阶Edgeworth展开计算Nadaraya-Watson分位数估计量的矩，以支持渐近分析。
• 将检验统计量分解为若干分量，并通过U统计量中心极限定理与矩计算，证明其渐近正态性。
• 证明检验统计量 $ \widehat{T}_A $ 渐近等价于非参数与参数拟合之间的加权 $ L^2 $-距离。

实验结果

研究问题

• RQ1 能否在不依赖强Bahadur展开假设的前提下，发展一种针对参数回归分位数模型的非参数检验？
• RQ2 基于核方法的检验统计量（比较参数与非参数分位数拟合）的渐近分布是什么？
• RQ3 如何利用高阶Edgeworth展开在一般条件下推导Nadaraya-Watson分位数估计量的矩？
• RQ4 当带宽与维度不受限制时，所提出的检验在原假设下是否仍保持渐近正态性？
• RQ5 该检验是否能检测到在多个分位数和协变量取值下对参数设定的偏离？

主要发现

• 检验统计量 $ \widehat{T}_A $ 渐近等价于非参数与参数分位数估计量之间的加权 $ L^2 $-距离。
• 在原假设下，$ nh^{d/2}T_{n7} $ 的分布收敛于均值为 $ D_A $、方差为 $ V_A $ 的正态随机变量，其中 $ D_A $ 为积分平方偏差，$ V_A $ 为渐近方差。
• 项 $ T_{n1} $ 至 $ T_{n6} $ 渐近可忽略，且满足 $ T_{n6} = o_P((nh^{d/2})^{-1}) $，确保主导贡献来自 $ T_{n7} $。
• 通过U统计量中心极限定理，结合矩条件验证与退化性控制，确立了 $ nh^{d/2}T_{n7} $ 的渐近正态性。
• 该检验对维度与带宽选择具有鲁棒性，避免了直接使用Bahadur展开方法所需的强正则性条件。
• 理论框架支持全检检验，对包括均值回归检验无法检测的替代假设在内的广泛类别的备择假设具有检验效能。