Measuring and testing dependence by correlation of distances
通过距离相关度量与检验依赖关系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：摘要研究通用随机向量依赖度量与独立性检验，未明确对应所列经济计量细分领域。
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…
通过距离相关度量与检验依赖关系
- 研究问题
- 如何度量随机向量间超出线性相关的依赖关系，并据此检验独立性？摘要关注一种仅在独立时为零的相关度量。
- 方法与思路
- 作者以样本元素间的欧氏距离构造经验距离协方差与距离相关，并讨论其渐近性质、独立性检验实现及蒙特卡洛表现。
- 材料陈述的贡献
- 摘要称，距离相关为零当且仅当随机向量独立；经验度量具有类似经典协方差与相关系数的紧凑表示。
- 阅读关注点
- 阅读全文时应核对度量定义所需的分布条件、独立性等价结论的适用范围，以及检验临界值构造和模拟比较设置。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断具体矩条件、有限样本检验表现或计算成本；摘要未说明这些细节，不推断版本变化。
原文摘要
Distance correlation is a new measure of dependence between random vectors. Distance covariance and distance correlation are analogous to product-moment covariance and correlation, but unlike the classical definition of correlation, distance correlation is zero only if the random vectors are independent. The empirical distance dependence measures are based on certain Euclidean distances between sample elements rather than sample moments, yet have a compact representation analogous to the classical covariance and correlation. Asymptotic properties and applications in testing independence are discussed. Implementation of the test and Monte Carlo results are also presented.