Testing Dependence Among Serially Correlated Multicategory Variables
具有序列相关的多类别变量之间的依赖检验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：摘要核心是序列相关离散变量的动态回归与独立性检验，企业预期应用未涉及离散选择行为模型。
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
具有序列相关的多类别变量之间的依赖检验
- 研究问题
- 当多类别离散变量的观测存在序列相关时，如何检验变量间的独立性，并扩展到多维列联表中的联合和边际独立性？
- 方法与思路
- 作者利用动态增广降秩回归的典型相关构造检验，允许任意类别数和多维列联表，并处理有限阶马尔可夫形式的序列依赖。
- 材料陈述的贡献
- 摘要称，新检验对指定形式的序列依赖稳健，模拟显示良好有限样本性质，企业产量和价格预期数据说明序列修正的重要性。
- 阅读关注点
- 应核对马尔可夫阶数及动态增广如何确定、检验零假设和极限分布，并检查稀疏类别及高维列联表下的样本要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；稳健性明确针对有限阶马尔可夫依赖，不能推广为对任意序列相关都有效。
原文摘要
The contingency table literature on tests for dependence among discrete multicategory variables is extensive. Standard tests assume, however, that draws are independent and only limited results exist on the effect of serial dependency—a problem that is important in areas such as economics, finance, medical trials, and meteorology. This article proposes new tests of independence based on canonical correlations from dynamically augmented reduced rank regressions. The tests allow for an arbitrary number of categories as well as multiway tables of arbitrary dimension and are robust in the presence of serial dependencies that take the form of finite-order Markov processes. For three-way or higher order tables we propose new tests of joint and marginal independence. Monte Carlo experiments show that the proposed tests have good finite sample properties. An empirical application to microeconomic survey data on firms' forecasts of changes to their production and prices demonstrates the importance of correcting for serial dependencies in predictability tests.