Statistique/Probabilités
Une méthode semi-paramétrique pour tester un modèle de régression
[A semi-parametric method to test a regression model]
Comptes Rendus. Mathématique, Volume 336 (2003) no. 7, pp. 601-604.

The purpose is to test the hypothesis H0 that a regression model is parametric and belongs to a given family versus the alternative H1 approaches the hypothesis from a specific direction at the rate n−1/2. For that, we consider an empirical process such that under H0 this process depends of a parameter θ0. First, we start by estimating the parameter and we prove that the empirical process converges in distribution to a certain Gaussian process when the parameter is replaced by its estimator θ n ˜. However it is important to check the impact of an alternative approaching H0 from a specific direction ( at the rate n1/2). For that, we need tests which are consistent on the whole of H1. Our idea is to use a marked empirical process based on residuals which converges in distribution to a Gaussian process.

Le but est de tester l'hypothèse H0 qu'un modèle de régression est paramétrique et appartient à une famille donnée contre l'alternative H1 approchant l'hypothèse dans une direction spécifique au taux n−1/2. Pour cela, nous considérons un processus empirique tel que sous l'hypothèses H0 ce processus dépend d'un paramètre θ0. D'abord, nous commençons par estimer le paramètre et nous montrons que le processus empirique converge en loi vers un certain processus Gaussien si le paramètre est remplacé par son estimateur θ n ˜. Cependant il est important de vérifier l'impact d'une alternative qui approche H0 dans une direction spécifique (au taux n1/2). Pour cela, nous avons besoin de tests qui soient consistants sur toute l'alternative H1. Notre idée est d'utiliser un processus empirique marqué basé sur les résidus qui converge en loi vers un processus Gaussien.

Received:
Accepted:
Published online:
DOI: 10.1016/S1631-073X(03)00128-6
Harel, Michel 1, 2

1 IUFM du Limousin (et UMRC 55830, CNRS, Toulouse), 209, bd de Vanteaux, 87036 Limoges cedex, France
2 Centro de Modelamentio UMR CNRS 2071, Universidad de Chile, Santiago, Chile
@article{CRMATH_2003__336_7_601_0,
     author = {Harel, Michel},
     title = {Une m\'ethode semi-param\'etrique pour tester un mod\`ele de~r\'egression},
     journal = {Comptes Rendus. Math\'ematique},
     pages = {601--604},
     publisher = {Elsevier},
     volume = {336},
     number = {7},
     year = {2003},
     doi = {10.1016/S1631-073X(03)00128-6},
     language = {fr},
     url = {http://www.numdam.org/articles/10.1016/S1631-073X(03)00128-6/}
}
TY  - JOUR
AU  - Harel, Michel
TI  - Une méthode semi-paramétrique pour tester un modèle de régression
JO  - Comptes Rendus. Mathématique
PY  - 2003
SP  - 601
EP  - 604
VL  - 336
IS  - 7
PB  - Elsevier
UR  - http://www.numdam.org/articles/10.1016/S1631-073X(03)00128-6/
DO  - 10.1016/S1631-073X(03)00128-6
LA  - fr
ID  - CRMATH_2003__336_7_601_0
ER  - 
%0 Journal Article
%A Harel, Michel
%T Une méthode semi-paramétrique pour tester un modèle de régression
%J Comptes Rendus. Mathématique
%D 2003
%P 601-604
%V 336
%N 7
%I Elsevier
%U http://www.numdam.org/articles/10.1016/S1631-073X(03)00128-6/
%R 10.1016/S1631-073X(03)00128-6
%G fr
%F CRMATH_2003__336_7_601_0
Harel, Michel. Une méthode semi-paramétrique pour tester un modèle de régression. Comptes Rendus. Mathématique, Volume 336 (2003) no. 7, pp. 601-604. doi : 10.1016/S1631-073X(03)00128-6. http://www.numdam.org/articles/10.1016/S1631-073X(03)00128-6/

[1] Diebold, J.; Zuber, J. Goodness of fit tests for nonlinear heteroscedic regression models, Statist. Probab. Lett., Volume 42 (1999), pp. 53-60

[2] Harel, M.; Puri, M.L. Autoregression quantiles and related rank score processes for generalized random coefficient autoregressive processes, J. Statist. Plann. Inference, Volume 68 (1998), pp. 271-294

[3] Harel, M.; Puri, M.L. Conditional empirical processes defined by nonstationary absolutely regular sequences, J. Multivariate Anal., Volume 70 (1999), pp. 250-285

[4] Koul, H.L.; Stute, W. Nonparametric model checks for time series, Ann. Statist., Volume 27 (1999), pp. 204-236

[5] Stute, W. Asymptotic normality on nearest neighbor regression functions estimates, Ann. Statist., Volume 12 (1984), pp. 917-926

[6] Stute, W. On almost sure convergence of conditional empirical distribution functions, Ann. Probab., Volume 14 (1986), pp. 891-901

[7] Stute, W. Nonparametric model checks for regression, Ann. Statist., Volume 25 (1997), pp. 613-641

[8] Yoshihara, K. Conditional empirical processes defined by ϕ-mixing sequences, Comput. Math. Appl., Volume 19 (1990), pp. 149-158

Cited by Sources: