Testing the Independence of Regression Disturbances
回归扰动独立性的检验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：摘要明确涉及解释变量随时间的变化及回归扰动独立性检验，直接关联时间序列诊断。
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
回归扰动独立性的检验
- 研究问题
- 研究最小二乘估计残差的 Von Neumann 比率具有怎样的分布，以及如何据此为回归扰动独立性检验提供显著性界限。
- 方法与思路
- 作者在解释变量随时间变化足够平滑的条件下，用 beta 分布近似残差比率的分布，并提供两个例子与临界值表。
- 材料陈述的贡献
- 摘要称给出 1% 与 5% 显著性界限，表格覆盖 15 至 100 个观测及 2 至 6 个拟合系数，但未报告近似误差。
- 阅读关注点
- 应核对时间平滑条件的具体含义、扰动分布假设与 beta 近似的构造，并检查临界值表适用的回归设计和参数计数。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法判断近似精度；针对残差比率的检验结果不能脱离条件直接解释为一般独立性结论。
原文摘要
This article deals with the distribution of the Von Neumann ratio of least-squares estimated regression disturbances. This distribution is approximated by a beta distribution under the condition that the behaviour of explanatory variables of the regression over time is sufficiently smooth. Two examples are presented, together with a table containing 1 and 5 per cent significance limits for a number of observations ranging from 15 to 100 and a number of coefficients adjusted ranging from 2 to 6.