Testing for Dependence in Multivariate Probit Models
多元 Probit 模型中的依赖性检验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：摘要明确研究多元 Probit 模型及其独立性检验，直接对应离散选择模型方法。
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
多元 Probit 模型中的依赖性检验
- 研究问题
- 如何检验多元 Probit 模型中的独立性，并刻画检验统计量在独立性原假设和局部备择下的极限分布？
- 方法与思路
- 作者针对多元 Probit 模型推导独立性检验的拉格朗日乘子或得分统计量，并分析其渐近分布。
- 材料陈述的贡献
- 摘要称统计量在原假设及局部备择下的极限分布具有简单形式，是二乘二列联表 Pearson 卡方统计量的自然推广。
- 阅读关注点
- 应核对独立性限制作用于哪些模型成分、得分统计量所需的估计步骤，以及局部备择的设定和示例表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未给出统计量公式、正则条件或示例数值，不能判断有限样本检验质量。
原文摘要
A multivariate probit model is considered and the Lagrange multiplier or score statistic for testing independence is derived. The limiting distribution of the statistic takes a simple form under the null hypothesis and for local alternatives. The statistic is a natural generalization of Pearson's chi-squared for a 2 × 2 table. An example is given.