Chow-type Tests Under Heteroscedasticity
异方差下的 Chow 型检验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：摘要主要讨论一般多回归异方差下的参数推断；股票收益仅为应用示例，未明确涉及资产定价、收益预测或宏观结构变化。
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…
异方差下的 Chow 型检验
- 研究问题
- 当多个回归的残差方差不相等且未知时，如何对各回归共有的结构参数进行推断，并处理由此形成的 Behrens–Fisher 问题？
- 方法与思路
- 作者以广义 p 值构造推断方案，处理多个回归中不等且未知的残差方差，并用企业纳入标普500指数后的股票收益影响作示例。
- 材料陈述的贡献
- 摘要称广义 p 值可为这类异方差下的共同结构参数推断提供完整解决方案，并给出股票收益应用；具体性能与比较结果未说明。
- 阅读关注点
- 阅读时应核对共同参数的原假设、误差分布条件及广义 p 值的构造，并检查股票收益示例的回归设定和统计推断含义。
- 阅读边界
- 摘要未说明误差分布假设、检验尺寸或功效，也未交代股票收益应用的识别设计；不能据此赋予该应用因果解释或判断方法优势。
原文摘要
Inference for structural parameters that are common to several regressions is a frequent problem of statistical practice. In the unlikely case that the residual error variances are equal for all regressions, the inference problem usually has a closed-form solution within the standard regression framework. In the case of unequal and unknown residual error variances, the problem falls into the category of Behrens-Fisher problems. This article describes a comprehensive solution to this inference problem using the concept of a generalized p value introduced by Tsui and Weerahandi in 1989. An example investigating the effect on stock return due to a firm's inclusion in the Standard and Poor's 500 illustrates the method.