Goodness-of-fit testing the error distribution in multivariate indirect regression
本文提出了一个多元间接回归模型误差分布的拟合优度检验。检验统计量基于标准化残差的经验过程的Khmaladze变换。该拟合优度检验在收敛的根n速率下是一致的，并且该检验可以保持针对以根n速率收敛到零的局部替代的功效。
2018-12-06 stat.ME
Simultaneous confidence bands for nonparametric regression with functional data
我们考虑非参数回归的背景下，功能的数据，也就是说，当一个随机样本的功能是观察到一个细网格。我们得到一个功能渐近正态性的结果，允许建立同时置信带（SCB）的各种估计和推理任务。两个应用SCB程序的回归函数和拟合优度测试曲线回归模型提出。第一种方法在其他可用方法上提高了精度，而第二种方法可以检测参数化形状的局部偏离，而不是通常的拟合优度测试，仅跟踪全局偏离。SCB程序的数值研究和说明与语音数据集提供。
2010-07-20 math.ST stat.ME stat.TH
A New Bootstrap Goodness-of-Fit Test for Normal Linear Regression Models
本文通过分析似然信息准则中拟合优度项的分布性质，提出了一种基于非参数自助法的正态线性回归模型拟合优度检验，并通过模拟研究验证了其相对于现有方法的优势。
2023-09-19 stat.AP stat.ME
A Least Squares Estimation of a Hybrid log-Poisson Regression and its Goodness of Fit for Optimal Loss Reserves in Insurance
在这篇文章中，一个混合的对数-线性模型（对数泊松）的参数估计使用模糊最小二乘（FLS）程序（Celmierkirk，987 a，b，D 'Urso和Gastaldi，2000年，DUrso和Gastaldi，2001年）。为了评估和比较这个新模型和损失准备金框架中的经典对数泊松回归（Mack，1991），已经推导出拟合优度。混合模型及其拟合优度都是在损失准备金数据上进行的。
2018-06-10 stat.ME
Valid post-correction inference for censored regression problems
在科学和工程的许多领域，经常需要两步估计来拟合截尾回归模型。由于删失会在朴素最小二乘拟合中产生偏倚，因此两步估计器首先估计偏倚，然后拟合校正的线性模型。我们开发了一个框架，用于执行有效的/校正后的推断/两步估计。利用最近的结果后选择推理，我们得到有效的置信区间和显着性检验的拟合系数。
2014-03-13 stat.ME
Generalized Isotonic Regression
我们提出了一个计算和统计的方法来拟合保序模型下凸可微损失函数。我们提供了一个递归分区算法，可证明和有效地解决保序回归下的任何这样的损失函数。沿着划分路径的模型也是保序的，并且可以被视为问题的正则化解决方案。我们的方法概括并包含了两个先前的结果：Barlow和Brunk（1972）关于拟合特殊结构损失函数的保序回归的著名工作，以及标准（l2-损失）保序回归的递归分割算法（Spouge et al 2003）。我们证明了我们的广义算法的优势，在两种设置中的真实和模拟数据：拟合计数数据使用负泊松对数似然损失，和拟合鲁棒保序回归使用Huber的损失。
2012-10-06 stat.ME
A goodness-of-fit test for regression models with spatially correlated errors
针对空间相关误差下的参数回归模型评估问题，提出基于$L_2$距离的拟合优度检验，推导渐近性质并设计bootstrap校准程序，通过模拟和真实数据验证了性能与适用性。
2024-02-01 stat.ME
Goodness-of-fit tests for parametric regression models with circular response
本文提出了一种用于评估具有圆形响应和$\mathbb{R}^d$值协变量的参数回归模型的检验方法，并分析了独立和空间相关数据。检验统计量基于比较（非平滑或平滑）参数圆形估计量和非参数圆形估计量的圆形距离。适当设计的引导程序校准测试在实践中也提出。有限样本性能的测试在不同的情况下，独立和空间相关的样本，通过模拟分析。
2020-08-31 stat.ME
Reduced Rank Multivariate Kernel Ridge Regression
在多元回归中，也称为机器学习中的多任务学习，目标是基于噪声观测恢复向量值函数。向量值函数通常被假定为低秩。虽然多元线性回归在文献中得到了广泛的研究，但对多元非线性回归的理论研究还很缺乏。本文研究了由\cite{mukherjee2011reduced}提出的降秩多元核岭回归。我们证明了函数预测器的一致性，并提供了收敛速度。提出了一种基于核范数松弛的算法。数值算例表明，与单变量核岭回归相比，其均方预测误差较小。
2020-05-04 math.ST stat.ME stat.TH
A lack-of-fit test for quantile regression models with high-dimensional covariates
提出一种适用于高维协变量的分位数回归模型拟合优度检验，基于残差线性投影累积和，采用野生自助法近似临界值，模拟和实例验证了其良好性能。
2015-02-20 stat.ME
Generalized Riesz Regression: A Unified Framework for Debiased Machine Learning with Riesz Representer Fitting under Bregman Divergence
The University of Tokyo（东京大学）；Mizuho-DL Financial Technology, Co., Ltd.（瑞穗DL金融科技有限公司）；Osaka Metropolitan University（大阪都立大学）
本文提出广义Riesz回归框架，通过Bregman散度最小化统一估计Riesz代表，实现自动协变量平衡和Neyman正交化，适用于因果和结构参数估计。
2026-08-27 cs.LG econ.EM math.ST
Bayesian Regression Using a Prior on the Model Fit: The R2-D2 Shrinkage Prior
高维线性回归的先验分布需要为未观测到的回归系数指定一个联合分布，这本身就很困难。相反，我们提出了一类新的收缩先验的线性回归通过指定一个先验的模型拟合，特别是决定系数，然后通过分配到系数在一个新的方式。所提出的方法相比，有利的起源和尾部行为，从而导致在后收缩和经验性能的改善性能方面的浓度比以前的方法。所提出的先验的限制行为是$1/x$，在原点周围和尾部。这种行为是最优的，因为它同时位于尾部和原点周围的不适当先验的边界上。现有的收缩先验都不能同时在两个区域中获得这种行为。我们还表明，我们提出的先验导致相同的近极大极小后收缩率的尖峰和平板前。
2020-07-08 stat.ME
Double Cross-fit Doubly Robust Estimators: Beyond Series Regression
本文研究双重交叉拟合双稳健（DCDR）估计量，在Hölder光滑条件下通过欠光滑化冗余函数估计，证明其具有$\sqrt{n}$一致性与渐近正态性，并提出极小极大速率最优的核回归DCDR估计量，支持非$\sqrt{n}$情形下的推断。
2025-05-07 math.ST stat.ME stat.ML
Diagnostic Tools for Extreme Value Regression Models
University of Exeter（埃克塞特大学）；University of Edinburgh（爱丁堡大学）；Lancaster University（兰开斯特大学）
针对极值回归模型，提出标准化尾部图和标准化残差图两种可视化诊断工具，通过渐近分布实现全局和局部拟合优度比较，支持模型选择与改进。
2026-06-01 stat.ME
Nonparametric Goodness-of-fit Testing under Covariate Shift
Hong Kong University of Science and Technology（香港科技大学）
本文针对协变量偏移场景，提出结合截断重要性加权核岭回归与乘数自助法的非参数拟合优度检验方法，经理论证明与数值实验验证其有效性。
2026-08-07 cs.LG math.ST stat.ME
Score Engineered Robust Least Squares Regression
在其他FICO技术论文中，我已经展示了如何使用应用于B样条分量函数的二次规划来拟合具有形状约束的广义可加模型（GAM）。本文将该方法推广到稳健最小二乘回归。
2020-03-02 stat.ME
Global simulation envelopes for diagnostic plots in regression models
残差图通常用于询问回归模型的假设，但解释它们需要了解当假设得到满足时预期会有多大的抽样变异。在本文中，我们建议在残差图上构建围绕数据（或围绕拟合数据的趋势）的全局包络，利用最新的进展，通过模拟构建围绕函数的全局包络。虽然所提出的工具主要是作为一个图形化的援助，他们可以被解释为模型假设的正式测试，这使得他们的属性通过模拟实验的研究。我们考虑了三种模型情景--拟合线性模型、广义线性模型或广义线性混合模型--并探讨了围绕分位数-分位数图上的数据或围绕残差与拟合图或尺度-位置图上的趋势线构建的全局模拟包络检验的功效。在检测违反分布和线性假设方面，全球包络测试优于常用的假设测试。可免费获得的\texttt{R}软件（\texttt{ecostats::plotenvelope}）可将这些工具应用于具有\texttt{simulate}、\texttt{residuals}和\texttt{predict}函数方法的任何拟合模型。
2022-10-24 stat.ME
Maximum-likelihood regression with systematic errors for astronomy and the physical sciences: I. Methodology and goodness-of-fit statistic of Poisson data
本文提出一种准最大似然方法，将系统误差纳入泊松数据的回归分析，推广Cash统计量以处理过离散，并通过模拟和真实天文数据验证，为整数计数数据分析提供通用框架。
2024-07-16 astro-ph.IM stat.ME
Extended T-process Regression Models
高斯过程回归（GPR）模型在回归函数未知的情况下被广泛应用于数据拟合，其良好的性质已经得到很好的证明。在这篇文章中，我们介绍了一个扩展的t-过程回归（eTPR）模型，一个非线性模型，它允许一个强大的最佳线性无偏预测（BLUP）。由于其简洁的结构，它继承了GPR模型的许多有吸引力的属性，如具有封闭形式的边缘和预测分布，以给出一个明确的形式，强大的程序，并易于处理大规模的协变量与有效的实施。研究了鲁棒性的性质。仿真研究和实际数据应用表明，eTPR模型在输入和输出空间均存在异常值的情况下具有较强的拟合能力，与其他方法相比具有较好的预测性能。
2017-05-15 stat.ME
Shrinkage invalidates the Hosmer-Lemeshow test: goodness of fit for penalized logistic regression, with an application to glaucoma diagnosis
Alexandria University（亚历山大大学）
惩罚逻辑回归下Hosmer-Lemeshow检验因收缩失效，提出收缩校正版本，并在青光眼诊断中显示模型需重新校准而非重建。
2026-09-09 stat.AP stat.CO stat.ME
Goodness of fit of logistic models for random graphs
逻辑斯谛回归是一种自然而简单的工具，可以用来理解协变量如何解释二元网络的拓扑结构。一旦模型拟合，从业者对回归的拟合优度感兴趣，以检查协变量是否足以解释网络的整个拓扑结构，如果不足以解释，则分析残差结构。为了解决这个问题，我们引入了一个通用的模型，结合逻辑斯谛回归与面向网络的残差项。这个剩余项采用W-图的图子函数的形式。使用变分贝叶斯框架，我们推断的残差graphon平均一系列的块常数函数。这种方法允许我们定义一个通用的拟合优度标准，它对应于残差图子为常数的后验概率。玩具数据进行实验，以评估该程序的准确性。从社会科学和生态学的几个网络进行了研究，以说明所提出的方法。
2017-01-06 stat.CO stat.ME
Prediction Measures in Nonlinear Beta Regression Models
非线性模型经常被应用于基于经济和技术因素来确定对给定住宅单元的最佳供应天然气，或者用于拟合生物化学和药物测定非线性数据。本文提出了一类非线性beta回归模型的PRESS统计量和预测系数，即$P^2$统计量.我们的目标是同时使用预测系数和拟合优度作为模型选择标准的方案。在这个意义上，我们介绍了非线性下的贝塔回归模型的使用的模型选择标准的基础上强大的伪$R^2$统计。提供了基于预测的模型选择标准$P^2$和伪$R^2$统计的有限样本行为的蒙特卡罗模拟结果。三个应用程序的实际数据。线性应用涉及巴西圣保罗家庭使用的天然气分配。面对过高或过低估计瓦斯分布的经济风险，构造预测界限已成为必要，选择最佳预测和拟合模型构造最佳预测界限是首次应用的目的。此外，所提出的两个非线性应用还强调了考虑竞争模型的预测优度和拟合优度的重要性。
2017-05-22 stat.ME
Testing for lack of fit in paired comparison data
Indian Institute of Technology Delhi（印度理工学院德里分校）；University of Haifa（海法大学）
本文提出了一类检测 cardinal 成对比较模型中缺乏拟合性的检验方法，针对不同比较图增长规则设计了检验方法，提高了检验效能，并扩展到高维稀疏比较图。
2026-04-01 stat.ME
Equivalence testing for linear regression
本文提出线性回归的等价性检验方法，用于确认连续结果与预测变量间无有意义关联，涵盖非标准化回归系数和半偏相关系数的检验，并比较了贝叶斯方法。
2023-05-16 stat.ME
On the application of Jammalamadaka-Jiménez Gamero-Meintanis test for circular regression model assessment
针对角误差分布为包裹柯西分布的圆-圆乘法回归模型，提出基于改编的Jammalamadaka-Jiménez Gamero-Meintanis圆分布拟合优度检验的规范程序，经模拟和真实数据集验证其功效与通用性。
2024-11-28 stat.ME
Benchmarking Goodness-of-Fit and Calibration Algorithms for Logistic Regression Classifiers: A Large-Scale Simulation Study under Sparse Data
Department of Applied Statistics, Faculty of Business, Alexandria University（亚历山大大学商学院应用统计系）
研究逻辑回归分类器拟合优度和校准算法，通过开源R包实现二十多种测试，在多种场景下评估，发现紧凑核心测试平衡最佳且比Hosmer-Lemeshow测试更强大，为评估逻辑回归拟合提供实用指南。
2026-07-21 stat.AP stat.ME
A comparison between copula-based, mixed model, and estimating equation methods for regression of bivariate correlated data
本文通过模拟和真实数据比较 GJRM、GLMM 与 GEE 在双变量纵向数据回归中的表现，发现非正态情况下 GLMM 系数有偏且拟合不稳定，而 GJRM 在 copula 正确指定时能提供无偏、准确且更灵活的估计。
2025-11-05 stat.AP stat.ME
A Goodness-of-Fit Test for Mixed-Effects Logistic Regression
University of California, San Francisco（加州大学旧金山分校）
本文提出一种针对混合效应逻辑回归模型的拟合优度检验方法，通过分组Wald检验检测固定效应的不规范性，适用于稀疏聚类数据，且在小样本情况下表现良好。
2026-04-21 stat.AP stat.ME
Can we disregard the whole model? Omnibus non-inferiority testing for $R^{2}$ in multivariable linear regression and $\hatη^{2}$ in ANOVA
确定结果变量和多个不同解释变量之间缺乏关联通常是必要的，以便忽略所提出的模型（即，以确认结果和预测因子之间缺乏关联）。尽管如此，文献很少提供关于完成这项任务所使用的适当统计方法学的信息或技术建议。本文介绍了ANOVA和线性回归分析的非劣效性检验，分别对应于$\hatη^2$和$R^{2}$的标准广泛使用的$F$检验。进行了模拟研究，以检查第一类错误率和统计功效的测试，并与替代贝叶斯测试方法进行了比较。结果表明，拟议的非劣效性检验是一个潜在的有用的工具，'测试的空。'
2020-01-15 stat.AP stat.ME
On the estimators of autocorrelation model parameters
自相关和谱密度的估计在许多科学领域都具有根本的重要性，从天文学中识别脉冲星信号到医学中测量心跳。在对不适合任何简单模型族的特定自相关函数感兴趣的情况下，例如自回归移动平均（ARMA），通常以两种方式之一来估计模型参数：通过回归分析将模型自相关函数拟合到非参数自相关估计，或者通过极大似然将模型自相关函数直接拟合到数据。先前的文献表明，变差函数回归产生的参数估计可比质量的极大似然。在这封信中，我们证明，随着样本量的增加，最大似然估计（MLE）的准确性最终提高了几个数量级，超过变异函数回归。对于相对连续的高斯过程，这种改进可以发生在小于100的样本量。此外，即使这些方法的准确性是可比的，MLE仍然几乎普遍更好，更关键的是，变异函数回归不提供可靠的置信区间。不准确的回归参数估计通常伴随着被低估的标准误，而似然提供可靠的置信区间。
2013-01-21 stat.ME
Goodness of fit in nonlinear dynamics: Misspecified rates or misspecified states?
本文介绍了诊断测试的性质，缺乏适合的常微分方程模型（ODE）提出的数据。我们提出了一个层次结构的三种可能的来源，缺乏适合：不明原因的随机变化，在速率方程的函数形式的错误说明，并省略动态变量的描述系统。我们代表缺乏适合允许参数向量随时间变化，并提出通用的测试程序，不依赖于特定的替代模型。相反，不同的来源缺乏拟合的特点是在潜变量之间的非参数关系。通过残差自举法和置换法的组合进行测试。我们证明了这些测试的有效性，从实验室生态实验和心电图数据的模拟数据和真实数据。
2015-09-17 stat.ME
Goodness-of-Fit Tests and Calibration Machine-Learning Algorithms for Logistic Regression with Sparse Data
Alexandria University（亚历山大大学）
本论文针对稀疏数据下的逻辑回归，比较约30种统计检验与机器学习校准算法，发现多种检验需结合可视化检查，才能有效评估模型拟合优度。
2026-08-12 stat.AP stat.ME stat.ML
Sparse Regression Distilled from a Single Robust Fit
Kangwon National University（江原国立大学）
针对稳健拟合过密或不稳的问题，提出惩罚蒸馏方法，沿坐标下降路径拟合SCAD估计器，在保持预测稳定性的同时实现稀疏化，并在超导数据上验证了其效果。
2026-09-22 cs.LG stat.ME stat.ML
