An Asymptotic χ 2 Test for the Equality of Two Correlation Matrices
检验两个相关矩阵相等的渐近卡方检验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：摘要研究一般相关矩阵检验，应用中的因子模式不构成宏观或金融因子模型的分类依据。
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
检验两个相关矩阵相等的渐近卡方检验
- 研究问题
- 如何构造检验两个总体相关矩阵是否相等的渐近统计量，并进一步处理指定相关矩阵或多个总体的比较？
- 方法与思路
- 作者给出样本相关矩阵渐近协方差矩阵之逆的简洁表示，并在标准正态理论协方差矩阵检验形式上加入修正项。
- 材料陈述的贡献
- 摘要称，推导了相关矩阵相等的渐近卡方检验，通过两项模拟和应用展示适用性，并提出两个相关扩展检验。
- 阅读关注点
- 应核对分布与抽样条件、修正项和自由度的定义、模拟设计，以及相关矩阵差异与应用中因子模式差异的联系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；模拟数值及适用条件未说明，提及因子模式不足以推出因子模型结论，刊本变化未知。
原文摘要
An asymptotic χ2 test for the equality of two correlation matrices is derived. The key result is a simple representation for the inverse of the asymptotic covariance matrix of a sample correlation matrix. The test statistic has the form of a standard normal theory statistic for testing the equality of two covariance matrices with a correction term added. The applicability of asymptotic theory is demonstrated by two simulation studies and the statistic is used to test the difference in the factor patterns resulting from a set of tests given to retarded and non-retarded children. Two related tests are presented: a test for a specified correlation matrix and a test for equality of correlation matrices in two or more populations.