Variance-Ratio Tests: Small-Sample Properties With an Application to International Output Data
方差比检验的小样本性质：国际产出数据应用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：摘要围绕不同时间跨度的方差比检验展开，并以九国实际产出序列讨论小样本推断，直接对应时间序列方法。
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
方差比检验的小样本性质：国际产出数据应用
- 研究问题
- 方差比统计量的渐近近似在小样本中有多准确，搜索多个时间跨度后决定是否拒绝模型，会造成怎样的检验水平失真？
- 方法与思路
- 作者将不同时间跨度的方差比统计量组合为联合检验，并给出实施精确推断的蒙特卡洛程序，用九国实际产出数据讨论这些问题。
- 材料陈述的贡献
- 摘要同时分析小样本近似误差与多跨度搜索导致的检验水平失真，并提出联合检验及相应的蒙特卡洛精确推断程序。
- 阅读关注点
- 核对联合统计量的构造、蒙特卡洛程序所依据的零假设与参数处理方式，以及联合检验如何处理多个时间跨度的搜索。
- 阅读边界
- 摘要未给出精确推断的成立条件、误拒概率或功效结果，无法判断该程序在哪些样本规模与时间跨度选择下改善推断。
原文摘要
Two aspects of statistical inference using variance-ratio statistics are studied, (1) the accuracy of asymptotic approximations in small samples and (2) the size distortion arising from searching over many horizons in deciding whether to reject a model. A joint test combining variance-ratio statistics at various horizons is proposed and a Monte Carlo procedure for conducting exact inference is provided. The real output data of nine countries are used to discuss these issues.