The Effect of Positive Dependence on Chi-Squared Tests for Categorical Data
正依赖对分类数据卡方检验的影响AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究分类数据依赖对通用检验的影响，马尔可夫依赖与整群抽样不足以明确归入所列经济计量方向。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
正依赖对分类数据卡方检验的影响
- 研究问题
- 分类数据的连续观测存在正依赖时，Pearson 卡方检验及其渐近等价检验的零假设分布和拒绝频率会如何变化？
- 方法与思路
- 作者为有限状态过程定义一般的正依赖，并研究其对卡方类检验渐近零假设分布的影响，讨论部分马尔可夫和整群抽样情形。
- 材料陈述的贡献
- 摘要称正依赖使这类检验的渐近零假设分布在随机序意义下更大，因此忽略正依赖会导致原假设被过于频繁地拒绝。
- 阅读关注点
- 应核对正依赖的定义、渐近等价检验的范围、随机序结论所需条件，以及马尔可夫与整群抽样例子满足条件的方式。
- 阅读边界
- 仅据所给 Crossref 摘要；结论限于文中定义的正依赖及适用检验，摘要未提供具体校正方法、膨胀幅度或有限样本保证。
原文摘要
SUMMARY We introduce a general definition of positive dependence for finite-state processes, and show that if successive observations are positively dependent, all tests that are asymptotically equivalent to standard Pearson chi-squared tests have asymptotic null distributions stochastically larger than those obtained under the usual independence assumptions. Ignoring positive dependence therefore leads to too frequent rejection of null hypotheses. This qualitative conclusion applies in particular to certain cases of Markov dependence, and of dependence induced by cluster sampling, that have been studied by previous authors.