Small-Sample Comparisons for the Power Divergence Goodness-of-Fit Statistics
幂散度拟合优度统计量的小样本比较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：摘要讨论一般分类数据的拟合优度检验，没有支持所列经济计量细分领域的直接文本证据。
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
幂散度拟合优度统计量的小样本比较
- 研究问题
- 幂散度检验族在小样本中的检验水平与功效如何，不同分布近似和统计量选择能否改善经典检验的表现？
- 方法与思路
- 作者将渐近卡方及三种替代近似的检验水平与精确水平比较，并在对称原假设的特定备择下比较精确功效。
- 材料陈述的贡献
- 摘要称使用卡方近似时有多种统计量优于对数似然比统计量，且在指定备择下选用其他族内统计量可提高功效。
- 阅读关注点
- 应核对样本量、单元格概率、三种替代近似，以及统计量选择对水平控制与不同备择下功效的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；优势对应特定近似和备择，摘要未给完整比较条件或数值，不能推断刊本变化。
原文摘要
The small-sample properties of the power divergence family of goodness-of-fit statistics (Cressie and Read in press) are examined. The asymptotic χ2 and three alternative approximations are used to obtain appropriate test levels for comparison with the exact level. It is shown that if the χ2 approximation is to be used, then there are many preferable statistics to the log-likelihood ratio G 2 (including Pearson's χ2). Furthermore, exact power comparisons under specific alternatives to the symmetric null hypothesis show that the power of the well-known tests based on G 2 and χ2 can be improved by choosing other statistics from the family. An explanation is proposed in terms of the effect of relative deviations between observed and expected counts.