We introduce a new family of Wald-type tests, based on minimum Rényi pseudodistance estimators, for testing general linear hypotheses and the variance of the residuals in the multiple regression model. The classical Wald test, based on the maximum likelihood estimator, can be seen as a particular case inside our family. Theoretical results, supported by an extensive simulation study, point out how some tests included in this family have a better behaviour, in the sense of robustness, than the Wald test. Finally, we provide a data-driven procedure for the choice of the optimal test given any data set.

中文翻译：

---

基于多元线性回归模型的最小 Rényi 伪距离估计量的鲁棒 Wald 型检验

我们基于最小 Rényi 伪距离估计量引入了一个新的 Wald 型检验系列，用于检验一般线性假设和多元回归模型中残差的方差。基于最大似然估计量的经典 Wald 检验可以看作是我们家庭中的一个特例。在广泛的模拟研究的支持下，理论结果指出，在稳健性方面，该系列中包含的某些测试如何比 Wald 测试具有更好的行为。最后，我们提供了一个数据驱动的程序，用于在给定任何数据集的情况下选择最佳测试。