The likelihood-ratio test for rank in bivariate canonical correlation analysis
双典型相关分析中的秩似然比检验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：摘要研究典型相关秩检验的通用分布理论，没有足够文本证据归入给定领域细分。
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
双典型相关分析中的秩似然比检验
- 研究问题
- 检验两个典型相关系数中较小者为零时，Bartlett 调整为何有效，而期望的二阶展开为何在部分情形下近似较差？
- 方法与思路
- 作者比较最大典型相关非零与完全独立时的不同极限分布，研究精确期望缩放，并连续结合两种极限来近似期望。
- 材料陈述的贡献
- 摘要称解释了渐近非相似性造成的近似问题，并给出完全独立时的非标准分布及一个较准确的期望近似方法。
- 阅读关注点
- 应核对 Bartlett 可调整性的矩展开条件、接近完全独立时的过渡分析，以及分位数近似比例关系与模拟证据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未给分布公式、误差界或模拟设置，调整有效性不能扩展为普遍保证。
原文摘要
The likelihood-ratio test for the hypothesis that the smallest of two canonical correlations is zero is Bartlett adjustable. This theoretical property says that the moments of the test criterion and of a scaled version of the asymptotic distribution have the same second-order expansion. Simulations show that scaling with the exact expectation improves the asymptotic distribution, but the expectation is approximated poorly by its second-order expansion. This can be explained by the asymptotic non-similarity of the test: a standard asymptotic distribution applies whenever the largest canonical correlation is nonzero whereas a nonstandard distribution applies in the case of complete independence. The latter distribution is described. Although the expressions for the two distributions are quite different, their quantiles are nearly proportional, explaining why the Bartlett adjustment works in practice despite a lack of similarity. Further, an accurate approximation is given for the expectation using an asymptotic technique which combines the two limit distributions continuously.