A residual for outlier identification in zero adjusted regression models
零调整回归模型用于拟合在零处离散且在正实数的某个间隔处连续的变量。这些模型中的诊断分析通常使用随机分位数残差进行，这对于检查零调整回归模型的总体充分性非常有用。然而，它可能无法识别一些离群值。在这项工作中，我们介绍了零调整回归模型中的异常识别残差。蒙特卡罗模拟的研究和应用表明，这里介绍的残差具有良好的性能，并检测离群值，不确定的随机分位数残差。
2018-12-18 stat.ME
On Size and Power of Heteroskedasticity and Autocorrelation Robust Tests
在线性模型中检验对回归系数的限制时，通常需要对传统的F检验进行修正，以确定干扰项中潜在的异方差性或自相关性，这就产生了所谓的异方差性和自相关性稳健检验方法。这些程序是为了减弱未校正F检验中存在的尺寸失真和功率不足而制定的。我们开发了一个一般的理论，建立积极的以及消极的有限样本的结果，关于一个大类的异方差和自相关稳健检验的大小和功率特性。利用这些结果，我们表明，nonparametrically以及参数校正的F-型测试的时间序列回归模型与平稳干扰的大小等于一或滋扰infimal功率等于零下非常弱的假设下的协方差模型和通用条件下的设计矩阵。此外，我们建议一个调整程序的基础上人工回归。这种调整解决了许多情况下的问题，因为这样调整的测试不会受到尺寸失真的影响。同时，它们的幂函数有界远离零。作为第二个应用，我们讨论异方差扰动的情况。
2014-07-08 math.ST stat.ME stat.TH
Improved residuals for linear regression models under heteroskedasticity of unknown form
在这项工作中，我们介绍了一个新的残差正常的线性模型，适用于我们正在处理的情况下，异方差未知形式，他们是指由主成分分析（PCA）残差。这些残差是通过对普通残差进行线性变换，并对协方差阵的异方差相合估计量进行谱分析而得到的。由此产生的残差是独立的，正态分布。这些残差提供了一种简单的方法来检查正态线性回归模型的几个假设，以及模型的适当性。由于它们是独立的和正态分布的，人们可以将独立随机变量的几个结果直接应用于这些残差。最后，我们提供了一个应用程序，以说明我们的残差的有用性。
2017-08-31 stat.ME
Eigenvalue-Based Randomness Test for Residual Diagnostics in Panel Data Models
University College London（伦敦大学学院）；Corvinus University of Budapest（布达佩斯考文纽斯大学）；HUN-REN Wigner Research Centre for Physics（匈牙利研究网络维格纳物理研究中心）
本文提出基于特征值的随机性检验（EBR）测试，利用随机矩阵理论中的Tracy-Widom定律，用于面板数据模型残差分析，能同时检测多种假设，适用于检测线性和非线性依赖问题。
2025-04-07 econ.EM stat.AP stat.CO
Extremal Dependence-Based Specification Testing of Time Series
基于标准化残差的极值依赖性质，提出了条件位置-尺度模型的规格检验。我们这样做比较遗留下来的序列极值依赖-作为衡量的前渐近尾copula -所产生的串行独立在不同的滞后。我们的主要理论结果表明，所提出的Portmanteau型检验统计量具有无干扰参数的渐近极限。检验统计量很容易计算，因为它们只依赖于标准化残差，临界值也很容易从极限分布中获得。这与现存的测试（基于，例如，平方残差的自相关性），其中检验统计量取决于模型的参数估计量，并且可能需要自举临界值。我们表明，我们的测试在模拟中表现良好。对标准普尔500指数成分股的实证应用表明，我们的测试可以发现剩余序列独立性的违规行为，这些违规行为未被标准的基于自相关的规范测试发现，但当该模型用于以下用途时却具有相关性：例如，风险预测
2021-08-04 stat.ME
Bayesian semi-parametric forecasting of ultrafine particle number concentration with penalised splines and autoregressive errors
观测的时间序列数据往往表现出周期性的时间趋势和自相关性，也可能依赖于协变量。因此，需要能够捕获这些趋势并同时对任何剩余自相关进行建模的灵活回归模型。对残差中的自相关进行建模，比假设独立性更能得到更真实的预测。在本文中，我们提出了一种方法，结合样条半参数回归建模的自回归误差的建模。该方法被应用到一个模拟的数据集，以显示其有效性和超细颗粒数浓度在芬兰赫尔辛基，以显示其在现实世界中的问题。
2012-09-25 physics.ao-ph physics.data-an stat.AP
Conditional autoregressive models fused with random forests to improve small-area spatial prediction
针对区域数据缺失预测问题，本文提出CAR-Forest算法，将随机森林的非线性特征关系建模与贝叶斯CAR模型的残差空间自相关捕捉迭代融合；在苏格兰房价数据上优于CAR、随机森林及地理加权随机森林，提供先进的小区域空间预测框架。
2023-12-19 stat.ME
Modeling sign concordance of quantile regression residuals with multiple outcomes
分位数回归允许描述标量响应变量的分位数如何取决于一组预测因子。由于缺乏多元分位数的唯一定义，将分位数回归扩展到多元响应有些复杂。在本文中，我们描述了一个简单的方法，基于一个两步的过程：在第一步中，分位数回归分别适用于每个响应;在第二步中，残差的符号的联合分布通过多项式回归建模。所描述的方法不需要分位数的多维定义，并且可以用于捕获多变量响应的重要特征并评估协变量对相关结构的影响。我们应用所提出的方法来分析两个不同的数据集。
2021-04-21 stat.ME
The effect of a Durbin-Watson pretest on confidence intervals in regression
针对回归参数线性组合的置信区间估计，提出了计算Durbin-Watson预检验两阶段程序与FGLS估计置信区间覆盖概率函数图形的新工具，以在观测数据前选择更优区间。
2018-05-16 stat.ME
Further Results on Size and Power of Heteroskedasticity and Autocorrelation Robust Tests, with an Application to Trend Testing
我们补充了Preinerstorfer和Pötscher（2016）中开发的理论，进一步研究了异方差和自相关稳健检验的大小和功效的有限样本结果。特别是，这使我们能够表明，Pötscher和Preinerstorfer（2018）最近获得的尺寸控制临界值存在的充分条件通常也是必要的。此外，我们将得到的结果测试假设的确定性趋势在平稳时间序列回归，并发现，目前使用的许多测试是强烈的尺寸扭曲。
2019-05-06 math.ST stat.ME stat.TH
A Regression-Based Framework for the ACF, PACF, Durbin-Levinson Recursion, and One-Step-Ahead Prediction
Yale University（耶鲁大学）；Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校）
本研究构建了统一的基于回归的教学框架，将ACF、PACF、Durbin-Levinson递推及一步预测与回归知识关联，降低了回归与时间序列课程的概念障碍。
2026-08-20 stat.ME
Residual-on-Residual Regression as a Tool for Effect Estimation in Observational Data
Emory University（埃默里大学）；University of Pittsburgh（匹兹堡大学）
提出残差对残差回归方法，通过拟合结局和暴露的混杂调整模型，再用普通最小二乘回归结局残差对暴露残差，估计部分线性模型中的暴露效应，在弱正向性违反时比AIPW和TMLE更稳定。
2026-07-01 stat.AP stat.ME
Wild Residual Bootstrap Inference for Penalized Quantile Regression with Heteroscedastic Errors
本文考虑一类异方差回归模型，其中某些回归系数为零，但不知道哪些为零。惩罚分位数回归是分析这类数据的一种有效方法。通过允许不同的协变量与不同分位数水平的条件分位数函数建模相关，它提供了比均值回归更完整的响应变量条件分布的图像。现有的惩罚分位数回归的工作主要集中在点估计。虽然Bootstrap方法最近被证明是有效的惩罚平均回归的推断，他们不直接适用于惩罚分位数回归与异方差误差。我们证明了未惩罚分位数回归的一个野生残差自举过程对于逼近具有自适应$L_1$惩罚的分位数回归估计的分布是渐近有效的，并且一个修改的版本可以用来逼近$L_1$惩罚的分位数回归估计的分布.新方法不需要估计未知的误差密度函数。我们建立一致性，证明有限样本的性能，并说明了一个真实的数据例子的应用程序。
2018-07-20 stat.ME
A Note on the Asymptotic Properties of the GLS Estimator in Multivariate Regression with Heteroskedastic and Autocorrelated Errors
本文针对误差存在异方差与自相关的多元回归，分析GLS估计量的渐近性质，推导线性约束检验的Wald统计量，并证明其稳健性。
2025-03-18 econ.EM q-fin.ST stat.ME
Singular ridge regression with homoscedastic residuals: generalization error with estimated parameters
本文描述了有限样本岭回归估计的条件分布特性，并使用该结果来评估总的回归和泛化误差，包括在参数估计时所犯的不准确性。文中给出了这些误差的显式计算公式。与其他经典的参考文献在此设置，我们的结果发生在一个完全奇异的设置，不假设存在一个解决方案的非正则化回归问题。作为交换，我们对正则化回归残差调用条件同方差假设，这在我们的发展中至关重要。
2016-05-29 stat.ME stat.ML
New Goodness-of-Fit Tests for Time Series Models
本研究提出基于残差及平方残差自相关、互相关函数组合的时间序列模型拟合优度检验，推导其渐近分布，经模拟验证其错误控制与功效优势，并通过股票收益率数据验证实用性。
2024-01-31 stat.CO stat.ME
Regularization parameter selection in indirect regression by residual based bootstrap
基于残差的分析通常被认为是统计方法学的基石。对于一个特殊的情况下，间接回归，我们调查的残差为基础的经验分布函数，并提供了一个统一的扩展，这也是渐近最精确的估计。这项调查自然会导致一个完全的数据驱动的技术来选择我们的间接回归函数估计中使用的正则化参数。由此产生的方法是基于模型残差的平滑引导。仿真研究证明了我们的方法的有效性。
2018-02-28 math.ST stat.ME stat.TH
Assessment of Regression Models with Discrete Outcomes Using Quasi-Empirical Residual Distribution Functions
对于离散结果的回归模型，对模型的充分性做出明智的决策一直是一个突出的问题。这些结果的标准评估工具（例如偏差残差）通常显示出与假设模式的较大差异，即使在真实模型下也是如此，并且不提供信息，特别是当数据高度离散时（例如二进制）。为了填补这一空白，我们提出了一个准经验残差分布函数一般离散（如序数和计数）的结果，作为替代的经验Cox-Snell残差分布函数。我们提出的评估工具是一种原则性的方法，不需要向数据中注入噪声。当至少有一个连续的协变量是可用的，我们渐近地表明，所提出的函数一致收敛到正确指定的模型下的身份函数，即使具有高度离散的结果。通过模拟研究，我们实证表明，拟议的准经验残差分布函数优于常用的各种模型评估任务的残差，因为它是接近真实模型下的假设模式，并显着偏离此模式下的模型误指定，因此是一个有效的评估工具。
2021-03-24 stat.ME
Scalable Resampling in Massive Generalized Linear Models via Subsampled Residual Bootstrap
针对海量数据下残差Bootstrap计算效率低的问题，提出适用于广义线性模型的可扩展子采样残差Bootstrap（SRB）算法，证明了其与经典方法具有相同的理论保证且计算更快，并通过模拟和真实数据验证了其性能。
2024-09-26 stat.ME
The Importance of Scale for Spatial-Confounding Bias and Precision of Spatial Regression Estimators
回归模型中的残差通常是空间相关的。突出的例子包括为了解污染物对健康的慢性影响而进行的环境流行病学研究。我认为残差空间结构的影响的偏差和精度的回归系数，开发一个简单的框架，在其中理解的关键问题，并得出翔实的分析结果。当未测量的混杂因素将空间结构引入残差时，具有空间随机效应的回归模型和密切相关的模型（如克里金法和惩罚样条）会出现偏差，即使残差方差分量已知。分析和模拟结果表明，偏差如何取决于协变量和残差的空间尺度：只有当协变量的变化小于未测量混杂的尺度时，才能通过拟合空间模型来减少偏差。我还讨论了如何规模的残差和协变量影响效率和不确定性估计时，残差是独立的协变量。在黑碳颗粒物空气污染和出生体重之间的关联的应用中，控制大规模的空间变化似乎减少了来自未测量的混杂因素的偏差，同时增加了估计的污染影响的不确定性。
2010-11-04 stat.ME
Heavy tailed spatial autocorrelation models
空间自相关数据的适当模型说明了观测不是独立的这一事实。在这种情况下，一个流行的模型是同步自回归（SAR）模型，允许模拟响应变量的空间依赖性结构和协变量对该变量的影响。此空间回归模型假定误差遵循正态分布。由于这一假设并不总是成立的，因此有必要将这一模型推广到其他误差分布。我们提出了扩展的$t$分布，tSAR模型，它可以被用来，如果我们观察到重尾的SAR模型的拟合残差。此外，我们还提供了一个方差估计，它考虑了变量的空间结构，这有助于我们为模型指定输入。一个扩展的模拟研究表明，所提出的估计的tSAR模型表现良好，并在火灾危险的应用程序中，我们看到的tSAR模型是一个显着的改进相比，SAR模型。
2017-07-11 stat.ME
Quantile Residual Lifetime Regression for Multivariate Failure Time Data
Nanyang Technological University（南洋理工大学）；University of Pittsburgh（匹兹堡大学）；National Institutes of Health/National Cancer Institute（美国国立卫生研究院/美国国家癌症研究所）
针对多元失效时间数据，提出边际半参数分位数剩余寿命回归模型，通过无偏估计方程估计参数，并给出三种方差估计方法，模拟和实例验证了方法的有效性。
2026-07-03 stat.ME
Weighted least squares regression with the best robustness and high computability
提出一种按残差大小指数降权的新加权最小二乘回归方法，兼具最高崩溃点稳健性、高于LTS的效率，并用一阶和二阶方法实现快速计算。
2023-12-08 stat.ME
Model diagnostics for censored regression via randomized survival probabilities
正态回归中的残差用于评估模型的拟合优度（GOF）并发现改进模型的方向。然而，在截尾回归中缺少具有特征参考分布的残差。在本文中，我们提出了诊断删失回归与归一化随机生存概率（RSP）。RSP的核心思想是用一个介于0和截尾时间的生存概率之间的均匀随机数来代替截尾时间的生存概率。我们证明了在真实模型下，在真实生成参数下，RSP在$(0,1)$上总是均匀分布的。因此，我们可以用正态分位数函数将RSP转换成正态分布的残差。我们将这种残差称为归一化RSP（NRSP残差）。我们进行了模拟研究，调查的大小和权力的统计检验的基础上NRSP残差检测不正确的选择分布族和协变量的非线性效应。我们的模拟研究表明，虽然用NRSP残差的GOF测试不如传统的GOF测试方法强大，但基于NRSP残差的非线性测试在检测非线性方面具有显着更高的功率。我们还将这些模型诊断方法与乳腺癌无复发时间数据集进行了比较。结果表明，NRSP残差诊断成功地捕获了数据集中的微妙的非线性关系，这是没有检测到的图形诊断与CS残差和现有的GOF测试。
2022-01-01 stat.CO stat.ME
Least sum of squares of trimmed residuals regression
在著名的残差估计量的最小截尾平方和（LTS）中，残差首先被平方，然后被修剪。在本文中，我们首先修剪残差-使用深度修剪方案-然后平方剩余的残差。能使截尾残差的平方和最小的估计量称为LST估计量。事实证明，LST是经典的最小二乘估计（LS）的一个强大的替代品。事实上，它具有非常高的有限样本击穿点，并且可以渐进地抵抗高达$50\%$的污染而不击穿-与LS估计器的$0\%$形成鲜明对比。LST的总体版本是Fisher相容的，样本版本是强的和根$n$相容的，并且是渐近正态的。计算LST的近似算法提出和测试合成和真实数据的例子。这些实验表明，其中一种算法可以非常快地计算LST估计量，并且比著名的LTS估计量具有相对较小的方差。所有的证据表明，LST值得是一个强大的替代LS估计，并在实践中是可行的高维数据集（可能的污染和离群值）。
2022-11-25 stat.ME
Model diagnostics of discrete data regression: a unifying framework using functional residuals
模型诊断是回归分析中不可缺少的组成部分，但在广义线性模型的标准教科书中没有很好地解决。缺乏阐述是因为当结果数据是离散的时，经典方法（例如，Pearson/偏差残差分析和拟合优度检验）在模型诊断和治疗中的效用有限。本文建立了一个新的离散数据回归模型诊断框架。与文献定义的单值量作为残差不同，我们建议使用函数作为载体来保留残差信息。在离散性的存在下，我们表明，这样的功能残差是适当的总结残差的随机性，不能被捕获的模型的结构部分。我们建立了它的理论性质，这导致了新的诊断工具，包括功能残差与协变量图和功能到功能（Fn-Fn）图的创新。我们的数值研究表明，这些工具的使用可以揭示各种模型的误设定，如不正确地包括高阶项，解释变量，相互作用效应，色散参数，或零膨胀组件。作为副产品，功能残差产生了Liu-Zhang的替代残差，主要用于有序数据的累积链接模型（Liu和Zhang，2018，JASA）。作为一个一般概念，它大大拓宽了诊断范围，因为它适用于几乎所有的二进制，序数和计数数据的参数模型，所有在一个统一的诊断方案。
2022-07-09 econ.EM stat.ME
A class of bootstrap based residuals for compositional data
针对成分数据回归模型缺乏标准正态多元残差的问题，提出一类基于自助法的渐近标准正态残差，经模拟验证小样本下近似良好，并在识别模型误设和睡眠阶段应用中表现优越。
2024-03-20 stat.CO stat.ME
Semiparametric regression of mean residual life with censoring and covariate dimension reduction
提出了一类新的截尾数据下的平均剩余寿命半参数回归模型。模型，使我们能够估计预期的剩余生存时间和推广常用的平均剩余寿命模型，也进行协变量降维。使用半参数文献中的几何方法和生存数据的鞅性质，我们提出了一个灵活的推理过程，放松了平均剩余寿命对协变量的依赖性的参数假设，以及病人活了多久。我们证明了协变量效应的估计是根$n$一致的，渐近正态的，半参数有效的。在未指定平均剩余寿命函数下，给出了一个预测给定受试者剩余寿命的非参数估计，并建立了该估计的根$n$相合性和渐近正态性性.数值实验表明了所提出的估计器的可行性。我们应用该方法来分析一个国家的肾移植数据集，以进一步证明该工作的实用性。
2020-11-08 math.ST stat.ME stat.TH
Efficiently estimating the error distribution in nonparametric regression with responses missing at random
本文考虑了具有多元协变量和响应随机随机缺失的非参数回归模型。我们估计的回归函数与局部多项式平滑。残差为基础的经验分布函数，只使用完整的情况下，即残差，实际上可以从数据中构建，被证明是有效的意义上的Hájek和Le Cam。在证明中，我们得出，更一般地说，有效的影响函数估计任意线性泛函的误差分布，这涵盖了分布函数作为一种特殊情况。我们还表明，完整的情况下基于残差的经验分布函数承认一个功能中心极限定理。最后，本文进行了一个小型模拟研究，调查了完整案例基于残差的经验分布函数的性能。
2016-10-26 stat.ME
Nonlinear Regression with Residuals: Causal Estimation with Time-varying Treatments and Covariates
针对时变处理与协变量下标准回归调整因果估计不一致的问题，提出带共线性调整的回归估计量，属于参数化g-formula，将带残差回归拓展至多种非线性模型，估计一致且易实现。
2024-03-10 stat.CO stat.ME
Bayesian nonparametric mean residual life regression
针对概率框架下平均剩余寿命回归推断方法有限的问题，提出基于Dirichlet过程混合的贝叶斯非参数回归方法，扩展纳入组间依赖，开发后验推断方法，经模拟和右删失生存数据验证有效。
2024-01-24 stat.AP stat.ME
Double Probability Integral Transform Residuals for Regression Models with Discrete Outcomes
本文针对离散结果回归模型评估中传统残差不服从正态分布的问题，提出基于双重概率积分变换的新型残差，并开发有序曲线作为补充工具，通过理论与模拟证明其优于常用残差。
2024-01-04 stat.AP stat.ME
Bayesian surface regression versus spatial spectral nonparametric curve regression
分析了2020年2月至10月期间部分西班牙社区省份的COVID-19发病率。两个无限维回归方法进行了测试。第一个是在Ruiz-Medina，Miranda和Espejo（2019）中介绍的回归框架中实现的。具体地说，一个baidom框架中采用的时间自相关算子的纯点谱的估计，表征表面序列的二阶结构。第二种方法是在空间曲线回归的背景下制定的。基于空间周期图算子，计算谱密度算子的非参数估计量来逼近曲线之间的空间相关性。降维是通过投影到长期空间协方差算子的经验特征向量上来实现的。交叉验证程序来测试两个功能回归方法的性能。
2021-10-30 stat.AP stat.ME
On the Power of Invariant Tests for Hypotheses on a Covariance Matrix
自相关检验的幂函数的行为，如时间序列回归中的Durbin-Watson检验或空间回归模型中的Cliff-Ord检验，已在文献中进行了深入研究。当相关性变得很强时，Krämer（1985）（对于Durbin-Watson检验）和Krämer（2005）（对于Cliff-Ord检验）已经表明，在某些情况下，功效可以非常低，实际上可以收敛到零。受这些结果的启发，Martellosio（2010）开始建立一个解释这些发现的一般理论。不幸的是，Martellosio（2010）没有实现这一目标，因为他的结果和证明的很大一部分存在严重的缺陷。本文现在在一个相当一般的框架中建立了Martellosio（2010）所设想的理论，涵盖了线性回归模型中干扰协方差阵假设的一般不变检验。一般的结果，然后专门测试空间相关性和自相关测试时间序列回归模型。我们还描述了零假设和备择假设无法通过不变检验区分的情况。
2015-01-22 math.ST stat.ME stat.TH
Residual Importance Weighted Transfer Learning For High-dimensional Linear Regression
提出残差重要性加权迁移学习（RIW-TL）方法，通过基于残差的一维密度知识进行重要性加权，克服高维密度估计的维度灾难，实现比LASSO和Trans-Lasso更快的速率和更有效的样本使用。
2024-01-03 stat.ME
Bootstrap of residual processes in regression: to smooth or not to smooth ?
本文考虑一个位置模型，其形式为$Y = m(X) + \varepsilon$，其中$m(\cdot)$是未知回归函数，误差$\varepsilon$与$p$维协变量$X$和$E(\varepsilon)=0$无关.注射了。数据$(X_1,Y_1),\ldots,(X_n,Y_n)$和给定函数$m(\cdot)$的估计量$\hat m(\cdot)$（其可以是参数的或非参数的性质），我们通过残差$Y_i-\hat m(X_i)$、$i=1,\ldots,n$的经验分布来估计误差项$\varepsilon$的分布。为了近似这个估计量的分布，Koul和Lahiri（1994）和Neumeyer（2008，2009）提出了bootstrap程序，基于在绘制bootstrap样本之前或之后平滑残差。到目前为止，它一直是一个开放的问题，是否一个经典的非光滑残差自助是渐近有效的在这种情况下。本文解决了这个公开问题，并证明了非光滑残差自举是相容的。我们通过模拟来说明这一理论结果，该模拟显示了这种自举过程对于各种模型、测试程序和样本量的准确性。
2017-12-07 math.ST stat.ME stat.TH
Sequentially Updated Residuals and Detection of Stationary Errors in Polynomial Regression Models
时间序列是表现为随机游动还是平稳过程的问题是一个重要而微妙的问题，特别是在金融统计、计量经济学和工程学中。研究了多项式回归模型中误差项不再表现为随机游动而是表现为平稳过程的序贯检测问题。我们提供了由控制图给出的监控过程的渐近分布理论，即，停时，其与根据顺序更新的残差计算的公知单位根检验统计量相关。本文给出了相应随机过程的泛函中心极限定理，它蕴涵了控制图的中心极限定理。有限样本的性质进行了研究模拟研究。
2010-01-12 math.PR math.ST 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
Sample-split REGression SREG: A robust estimator for high-dimensional survey data
本文提出SREG估计量，通过K折交叉拟合消除高维辅助变量下的偏差，证明其渐近正态性和一致性，验证了简单随机、分层和拒绝性采样下的条件波动假设。
2026-04-08 stat.ME
Inference for function-on-function regression: central limit theorem and residual bootstrap
Kent State University（肯特州立大学）
本文研究了函数-函数回归模型的渐近推断，通过基于函数主成分分析的估计器，改进了中心极限定理并引入残差自助法以提升置信区间校准，通过数值实验验证了其优越性。
2026-03-12 math.ST stat.ME stat.TH
Evaluation of transplant benefits with the U.S. Scientific Registry of Transplant Recipients by semiparametric regression of mean residual life
提出半参数平均剩余寿命模型，量化肾移植获益，优先受益最大患者，并揭示不同群体获益不平等。
2023-10-17 stat.ME
Kernel Regression for Spatial and Spatio-Temporal Residual Risk: Application to School Shootings in the Contiguous United States
University of Otago（奥塔哥大学）
提出一种正交化核回归框架，在二元半参数模型中嵌入残差风险曲面，用于区分背景异质性与超额风险，并应用于2000-2024年美国本土959起校园枪击事件分析，发现学校规模、中学和高中风险更高，且调整协变量后残差风险仍集中在美国中东部走廊。
2026-08-04 stat.AP stat.ME
Restricted nonlinear shrinkage of high-dimensional residual covariance matrices in multivariate regressions
Persian Gulf University（波斯湾大学）；Ferdowsi University of Mashhad（马什哈德 Ferdowsi 大学）
研究非正态模型的非线性收缩协方差估计，提出无边际非线性收缩估计器MENS，给出其经验谱分布收敛性及渐近最优性，建立相变，通过模拟和回测证实理论，展示其在高维配置和决策中的实用价值。
2026-07-29 math.ST stat.ME stat.TH
Robust penalized least squares of depth trimmed residuals regression for high-dimensional data
Michigan State University（密歇根州立大学）
针对高维数据中异常值易使惩罚回归崩溃的问题，提出基于深度截断残差最小平方和的稳健惩罚回归方法，实验证明其在估计和预测精度上优于现有方法。
2023-09-04 cs.LG stat.ME stat.ML
Extension of Wald-Wolfowitz Runs Test for Regression Validity Testing with Repeated Measures of Independent Variable
本研究将Wald-Wolfowitz游程检验扩展至自变量重复测量的场景，通过随机置换残差序列执行检验，避免数据点丢失和加权不均，保持检验灵敏度与等效性。
2025-10-07 stat.ME
Fast Nonparametric Conditional Independence Testing via Two-Stage Regression
Department of Biomedical Informatics, University of Pittsburgh（生物医学信息学系，匹兹堡大学）
提出BLITZ方法，通过两阶段回归（低阶多项式+浅层树）快速消除条件集影响，实现校准良好的非参数条件独立性检验，适用于因果发现。
2026-06-23 cs.LG stat.ME stat.ML
A Residual Bootstrap for High-Dimensional Regression with Near Low-Rank Designs
本文研究了高维线性回归中的残差自助法。具体来说，我们分析了线性对比$c^{\top} (\hatβ_ρ-β)$的分布近似，其中$\hatβ_ρ$是一个岭回归估计。当通过最小二乘法估计回归系数时，经典的结果表明RB始终近似于对比定律，只要$p\ll n$，其中设计矩阵的大小为$n\times p$。到目前为止，相对较少的工作已经考虑到如何在线性模型中的附加结构可以扩展RB的有效性的设置，其中$p/n\asymp 1$。在这种情况下，我们提出了一个版本的RB，重新采样从岭回归获得的残差。我们对设计矩阵的主要结构假设是，它几乎是低秩的-在这个意义上，它的奇异值根据幂律曲线衰减。在一些额外的技术假设下，我们推导出一个简单的标准，以确保RB始终近似于给定对比度的规律。然后，我们将此结果专门用于研究平均响应值$X_i^{\top} β$的置信区间，其中$X_i^{\top}$是设计的第$i$行。更准确地说，我们表明，有条件的高斯设计与近低秩结构，RB同时逼近所有的法律$X_i^{\top}(\hatβ_ρ-β)$，$i=1,\dots,n$。这个结果也是值得注意的，因为它没有对$β$施加稀疏性假设。此外，由于我们的一致性结果制定的Malows（Kantorovich）度量，限制分布的存在是不必要的。
2016-07-04 math.ST stat.ME stat.ML
Starshaped Mean Residual Life Models for Non-Monotonic Survival Data: A Bayesian PMRL Regression Framework with Applications to Teacher Retention
Mississippi State University（密西西比州立大学）
本文提出了一种适用于非单调危险模式生存数据的星形平均残余寿命（SMEL）框架，通过贝叶斯PMRL回归方法，展示了在教师留任问题中的应用，该方法在处理复杂时间动态方面具有优势。
2026-05-17 stat.ME
Model Checking for Regressions Based on Weighted Residual Processes with Diverging Number of Predictors
Center for Data Science, Zhejiang University（浙江大学数据科学中心）；College of Finance and Statistics, Hunan University（湖南大学金融与统计学院）
本文提出基于加权残差过程的检验方法，用于高维回归模型参数形式的检验，在预测变量数量发散时保持显著性水平并有效检测局部替代假设。
2026-07-22 math.ST stat.ME stat.TH
Diagnostics for Regression Models with Semicontinuous Outcomes
针对半连续数据在零处的点质量导致标准诊断工具失效的问题，提出一种适用于一般回归模型的新残差方法，其收敛于均匀分布以检测模型误设，并可评估预测分布，已通过医疗支出数据验证。
2024-01-12 stat.AP stat.ME
Computation of least squares trimmed regression--an alternative to least trimmed squares regression
本文研究 LST 稳健回归的实现与计算，提出新算法，证明其稳健性与 LTS 相当、效率更高，且在同方差有限方差误差下可媲美甚至超过 LS，计算速度也可快于 LTS。
2023-12-08 stat.ME
Efficient estimation of the error distribution function in heteroskedastic nonparametric regression with missing data
本文提出了一种基于残差的经验分布函数来估计响应随机缺失的异方差非参数回归的误差分布函数，并证明了这种估计是渐近最精确的.
2016-10-27 stat.ME
Detecting heteroskedasticity in nonparametric regression using weighted empirical processes
如果处理不当，异方差误差会导致不准确的统计结论。本文介绍了多协变量非参数回归模型的异方差检验。它是基于一个合适的残差为基础的经验分布函数。使用局部多项式平滑构造残差。我们的检验统计量涉及一个检测函数，它可以通过利用检测函数和模型误差之间的独立-依赖结构来验证异方差性，即我们不需要方差函数的特定模型。该过程是渐近分布自由：从它不依赖于未知参数的推断。它是一致的参数（根-n）收敛速度。我们的结果被扩展到缺失响应的情况下，并与模拟说明。
2018-02-20 stat.ME
The shooting S-estimator for robust regression
针对最小二乘法对异常值不稳健及传统S-estimation降权完整观测导致信息丢失的问题，提出shooting S-estimator，结合坐标下降算法与简单S-regression，在丧失回归等变性代价下实现对逐分量污染的稳健性。
2015-06-03 stat.ME
