Using the Bootstrap to Test for Symmetry Under Unknown Dependence
未知依赖结构下利用自助法检验对称性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：摘要明确研究分数积分过程及未知记忆参数下的检验，直接对应时间序列方法；未提供微观分布效应的研究背景。
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
未知依赖结构下利用自助法检验对称性
- 研究问题
- 对于具有未知记忆程度的分数积分时间序列，如何检验其一维边际分布的对称性，并避免预先确定统计量的归一化及极限分布？
- 方法与思路
- 作者用自回归筛式自助法近似相关检验统计量在对称性原假设下的抽样分布，并通过蒙特卡洛实验和真实数据应用考察方法表现。
- 材料陈述的贡献
- 摘要称该方法无需事先知道数据的记忆参数，也无需掌握检验统计量的适当归一化因子及渐近分布，并以模拟考察小样本性质。
- 阅读关注点
- 阅读时应核对对称中心如何处理、检验统计量及筛式阶数选择、允许的记忆参数范围，以及自助法有效条件和模拟中的检验尺寸与功效。
- 阅读边界
- 摘要未说明统计量形式、允许的依赖结构或自助法有效性的具体条件，也未报告尺寸和功效结果，不能推断其适用于所有未知依赖。
原文摘要
This article considers tests for symmetry of the one-dimensional marginal distribution of fractionally integrated processes. The tests are implemented by using an autoregressive sieve bootstrap approximation to the null sampling distribution of the relevant test statistics. The sieve bootstrap allows inference on symmetry to be carried out without knowledge of either the memory parameter of the data or of the appropriate norming factor for the test statistic and its asymptotic distribution. The small-sample properties of the proposed method are examined by means of Monte Carlo experiments, and applications to real-world data are also presented.