Tests of Independence in Parametric Models With Applications and Illustrations
参数模型中的独立性检验：应用与示例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：核心是跨离散与连续回归模型的通用独立性检验；序列独立性为示例之一，不足以明确其主要所属细分领域。
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…
关注这篇论文的作者
参数模型中的独立性检验：应用与示例
- 研究问题
- 如何在离散与连续的双变量、多变量回归模型中检验变量独立性，并将统一构造用于序列依赖、正态回归和计数数据等情形？
- 方法与思路
- 作者以边际分布及其正交多项式展开联合分布，利用成对多项式的协方差构造条件矩检验，并进行计数数据模拟和应用。
- 材料陈述的贡献
- 作者推导适用于多类参数模型的独立性检验，列举序列独立性、正态回归和计数模型，并以计数数据模拟及医疗利用数据示范。
- 阅读关注点
- 阅读全文应核对展开的有效条件、多项式阶数选择、参数估计对检验分布的影响，以及各类备择下的检验水平和功效。
- 阅读边界
- 摘要未说明正则条件、统计量的完整形式或模拟结果数值；所列应用不能证明检验对任意依赖类型都具有良好功效。
原文摘要
Tests of independence between variables in discrete and continuous bivariate and multivariate regression equations are derived using series expansions of joint distributions in terms of marginal distributions and their related orthonormal polynomials. Th e tests are conditional moment tests based on covariances between pair s of orthonormal polynomials. Examples include tests of serial independence against bilinear and/or autoregressive conditional heteroskedasticity alternatives, dependence in multivariate normal regression models, and dependence in count data models. Monte Carlo simulations based on bivariate counts are used to evaluate the tests. A multivariate count data model for Australian health-care utilization data is used for illustration.