Comparison of the Small Sample Power of the Chi-Square and Likelihood Ratio Tests of the Assumptions for Stochastic Models
随机模型假设检验中卡方检验与似然比检验的小样本功效比较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：摘要直接讨论马尔可夫模型的阶数与平稳性检验，对应时间序列模型设定问题，但未说明宏观经济应用。
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
随机模型假设检验中卡方检验与似然比检验的小样本功效比较
- 研究问题
- 在马尔可夫模型的阶数或平稳性假设不成立时，两类检验的小样本功效如何比较，显著性水平的校准方式又如何影响比较？
- 方法与思路
- 作者用蒙特卡洛模拟比较变换后的似然比统计量与列联统计量，并区分实际显著性水平相同和按标准卡方表设定阈值两种情形。
- 材料陈述的贡献
- 摘要称，保持实际显著性水平相同时，两类检验功效相近；使用标准卡方表确定阈值时，似然比统计量表现出更高功效。
- 阅读关注点
- 应核对模拟中的样本量、转移矩阵、备择阶数与非平稳形式，以及实际显著性水平如何校准，避免混淆尺寸差异与功效差异。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；模拟设计及功效差异幅度未说明，不能推断似然比检验在所有情形下更优。
原文摘要
When applying the Markov model, it is often assumed the transition matrix is stationary and of order one. This article considers the problem of applying the transformed likelihood ratio statistic and the contingency statistic to testing the assumptions of a particular order and of stationarity when the assumptions are not true. A Monte Carlo study of the small sample power of both these test statistics shows that if the true alpha level is kept equal for the two tests they have similar power. However, if the alpha level is set by reference to any standard table of the chi-square distribution the likelihood ratio statistic has larger power.