Arbeitspapier
Validating linear restrictions in linear regression models with general error structure
A new method for testing linear restrictions in linear regression models is suggested. It allows to validate the linear restriction, up to a specified approximation error and with a specified error probability. The test relies on asymptotic normality of the test statistic, and therefore normality of the errors in the regression model is not required. In a simulation study the performance of the suggested method for model selection purposes, as compared to standard model selection criteria and the t-test, is examined. As an illustration we analyze the US college spending data from 1994.
- Sprache
-
Englisch
- Erschienen in
-
Series: Discussion Paper ; No. 478
- Thema
-
asymptotic normality
linear regression
model selection
model validation
- Ereignis
-
Geistige Schöpfung
- (wer)
-
Holzmann, Hajo
Min, Aleksey
Czado, Claudia
- Ereignis
-
Veröffentlichung
- (wer)
-
Ludwig-Maximilians-Universität München, Sonderforschungsbereich 386 - Statistische Analyse diskreter Strukturen
- (wo)
-
München
- (wann)
-
2006
- DOI
-
doi:10.5282/ubm/epub.1846
- Handle
- URN
-
urn:nbn:de:bvb:19-epub-1846-3
- Letzte Aktualisierung
-
10.03.2025, 11:44 MEZ
Datenpartner
Dieses Objekt wird bereitgestellt von:
ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften - Leibniz-Informationszentrum Wirtschaft. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften - Leibniz-Informationszentrum Wirtschaft. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Objekttyp
- Arbeitspapier
Beteiligte
- Holzmann, Hajo
- Min, Aleksey
- Czado, Claudia
- Ludwig-Maximilians-Universität München, Sonderforschungsbereich 386 - Statistische Analyse diskreter Strukturen
Entstanden
- 2006
Ähnliche Objekte (12)
Lineare Regression
Linear regression
Lineare Fuzzy-Regression
Lineare Regression und Varianzanalyse
(Non) Linear Regression Modeling
Lineare Regression mit linearen Parameterbedingungen und unbekannter Fehlerkovarianzmatrix
Linear Programming-Based Estimators in Simple Linear Regression
Lineare Regression mit linearen Parameterbedingungen und unbekannter Fehlerkovarianzmatrix
S-estimators in the linear regression model with long-memory error terms
Bootstrap tests for the error distribution in linear and nonparametric regression models
Analysis of interactive fixed effects dynamic linear panel regression with measurement error
S - estimators in the linear regression model with long - memory error terms
Lineare Regression
Linear regression
Lineare Fuzzy-Regression
Lineare Regression und Varianzanalyse
(Non) Linear Regression Modeling
Lineare Regression mit linearen Parameterbedingungen und unbekannter Fehlerkovarianzmatrix
Linear Programming-Based Estimators in Simple Linear Regression
Lineare Regression mit linearen Parameterbedingungen und unbekannter Fehlerkovarianzmatrix
S-estimators in the linear regression model with long-memory error terms
Bootstrap tests for the error distribution in linear and nonparametric regression models
Analysis of interactive fixed effects dynamic linear panel regression with measurement error
S - estimators in the linear regression model with long - memory error terms
Lineare Regression
Linear regression
Lineare Fuzzy-Regression
Lineare Regression und Varianzanalyse
(Non) Linear Regression Modeling
Lineare Regression mit linearen Parameterbedingungen und unbekannter Fehlerkovarianzmatrix
Linear Programming-Based Estimators in Simple Linear Regression
Lineare Regression mit linearen Parameterbedingungen und unbekannter Fehlerkovarianzmatrix
S-estimators in the linear regression model with long-memory error terms
Bootstrap tests for the error distribution in linear and nonparametric regression models
Analysis of interactive fixed effects dynamic linear panel regression with measurement error