A likelihood test for multivariate serial correlation
多元序列相关的似然检验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：摘要明确检验向量序列的独立性与一阶自相关，直接对应时间序列中的序列相关分析。
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
多元序列相关的似然检验
- 研究问题
- 如何检验向量随机变量序列的相互独立性，并利用一阶自相关似然准则构造计算简便、具有可用分布近似的统计量？
- 方法与思路
- 作者从多元正态模型的一阶自相关似然准则构造检验，研究统计量的 F 分布近似，并将方法用于时空聚集问题。
- 材料陈述的贡献
- 摘要称，该程序推广了序列相关系数；所考察非正态小样本中近似良好，有限四阶矩条件下还具有渐近分布结果。
- 阅读关注点
- 应核对独立性原假设与一阶相关备择的关系、统计量和 F 近似的定义，以及非正态结果的条件和小样本评估范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；有限四阶矩下的完整条件未给出，个别小样本例子不能保证普遍准确或检出所有依赖。
原文摘要
A procedure is proposed for testing the hypothesis that a sequence of vector-valued random variables is mutually independent. The test is based on the likelihood criterion for first-order autocorrelation assuming a multivariate normal distribution, is simple computationally, and provides a multivariate generalization of the serial correlation coefficient. The distribution of the test statistic is found to be closely approximated by an F distribution, even in samples of size 10 from an exponential distribution, with the approximation holding exactly asymptotically for any underlying distribution with finite fourth moments. This procedure was originally developed for the problem of testing for time-space clustering in a study, discussed in this paper, of leukaemia.