An Innovation Approach to Goodness-of-Fit Tests in $R^m$
多维空间中拟合优度检验的新息方法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：摘要仅涉及一般多元拟合优度检验，缺少归入所列经济计量细分方向的直接证据。
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
多维空间中拟合优度检验的新息方法
- 研究问题
- 针对多元观测的拟合优度问题，能否通过合适的排序或扫描机制，把多维经验分布函数转化为可用于检验的新息过程？
- 方法与思路
- 作者在多维空间中选择线性排序或扫描系统，以相应的序贯经验分布函数为基础，使用其新息过程处理拟合优度检验。
- 材料陈述的贡献
- 摘要称，该新息过程方法为多元观测的拟合优度问题提供解决思路；但未列出具体检验统计量或性质。
- 阅读关注点
- 应核对排序或扫描系统的构造、新息变换的定义，以及最终检验的校准方式、参数估计处理和适用分布条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明且内容很短。摘要未说明极限分布、分布无关性、功效或计算步骤，不能自行补充这些性质。
原文摘要
We present a solution to the goodness-of-fit problem for multivariate observations, using the innovation process for the (sequential) empirical distribution function with respect to a conveniently chosen linear ordering or scanning system in $R^m$.