A nonparametric test of serial independence based on the empirical distribution function
基于经验分布函数的序列独立性非参数检验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：摘要明确讨论时间序列的序列独立性及不同阶数的滞后依赖检验。
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
基于经验分布函数的序列独立性非参数检验
- 研究问题
- 如何将基于经验分布函数的独立性检验用于时间序列，并在连续或离散边际分布下识别滞后依赖？
- 方法与思路
- 作者将 Blum–Kiefer–Rosenblatt 统计量置于时间序列框架，研究零假设分布，并扩展至更高阶滞后依赖。
- 材料陈述的贡献
- 摘要称，检验在温和条件下对一阶滞后依赖备择具有一致性，并给出两类边际下的零分布、模拟比较与数据应用。
- 阅读关注点
- 应核对独立性零假设的具体形式、一致性所需条件、连续与离散边际的区别，以及高阶滞后扩展如何实施。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；温和条件、检验校准及功效数值未说明，不能推断刊本变化。
原文摘要
The Blum, Kiefer & Rosenblatt (1961) statistic for testing independence is considered in a time series setting. This test is, under mild conditions, shown to be consistent against lag one dependent alternatives. The null distribution of the test statistic is established, both when the marginal distribution is continuous and when it is discrete. Simulation results giving information on the size and the power of the test are provided, and comparisons are made with other tests of serial dependence. An extension of the test is made to detect higher lag dependence, and finally the test is applied to a real data example.