Testing for Variance Homogeneity of Correlated Variables
相关变量的方差齐性检验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：摘要讨论一般多元总体的方差齐性检验，未提供时间序列、金融波动率或其他指定细分方向的依据。
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
相关变量的方差齐性检验
- 研究问题
- 对于分量彼此相关的多元总体，如何检验各分量方差是否相等，同时避免对协方差矩阵非对角元素施加强限制？
- 方法与思路
- 作者提出四种大样本检验方法，其中两种针对偏离多元正态的总体具有渐近分布稳健性，且无需随机拆分样本。
- 材料陈述的贡献
- 摘要称这些方法允许相关结构不受所述限制，并提供检验应用实例；其中两种方法的稳健性属于渐近性质。
- 阅读关注点
- 应核对四种统计量及其极限分布，特别是两种稳健方法所需的分布和矩条件，以及相关程度对有限样本表现的影响。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要，无法确认稳健性的具体条件、样本量要求或检验功效；渐近稳健不代表任意分布下有效。
原文摘要
Four large-sample methods are proposed for testing the equality of the variances of a p-variate normal population. Two of the methods are asymptotically distribution robust against departures from the multinormality assumption of the parent population. In applying the tests no restrictive assumptions are made about the off-diagonal structure of the covariance matrics and no random splitting of the sample into subsamples is required. An example of the use of the tests is provided.