Testing for complete independence in high dimensions
高维完全独立性检验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：摘要研究通用高维多元正态独立性检验，未提供所列经济学领域细分的直接依据。
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
高维完全独立性检验
- 研究问题
- 在多元正态设定下，当变量数量与样本量相近甚至超过样本量时，如何检验所有变量的完全独立性并进行渐近校准？
- 方法与思路
- 作者提出简单检验统计量，在样本量与变量数量同时趋于无穷时推导其零假设下的正态极限，并以模拟比较似然比检验。
- 材料陈述的贡献
- 摘要称，该检验可用于变量数相对样本量较大乃至超过样本量的情形，并通过模拟评估正态近似的有限样本表现。
- 阅读关注点
- 核对统计量定义、变量数与样本量的增长条件，以及模拟中的检验水平、备择设定和与似然比检验比较的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；增长条件与模拟数值未提供，不能声称该方法在非正态情形有效或功效更高。
原文摘要
A simple statistic is proposed for testing the complete independence of random variables having a multivariate normal distribution. The asymptotic null distribution of this statistic, as both the sample size and the number of variables go to infinity, is shown to be normal. Consequently, this test can be used when the number of variables is not small relative to the sample size and, in particular, even when the number of variables exceeds the sample size. The finite sample size performance of the normal approximation is evaluated in a simulation study and the results are compared to those of the likelihood ratio test.