Relative Efficiency of Count of Sign Changes for Assessing Residual Autoregression in Least Squares Regression
用符号变化次数检验最小二乘残差自回归的相对效率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：摘要直接研究回归残差的自回归与序列相关检验，对应时间序列方向。
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
用符号变化次数检验最小二乘残差自回归的相对效率
- 研究问题
- 最小二乘回归残差的符号变化次数，能否作为简便的自回归检验，并取得接近既有检验的相对效率？
- 方法与思路
- 作者结合一百组容量为四十的构造样本、ACV 比较方法及另一组实际数据，对照符号变化、游程和 Durbin–Watson 检验。
- 材料陈述的贡献
- 摘要称，构造样本中的符号变化检验效率接近 Durbin–Watson，实际数据中三者似乎相近，并提供二项累积概率表。
- 阅读关注点
- 应核对 ACV 效率指标、样本生成机制与实际数据特点，以及符号变化计数使用二项概率评估显著性的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；有限示例中的效率比较不支持普遍等效结论，误差条件及刊本变化均未说明。
原文摘要
From a constructed example of 100 random samples of size 40, in conjunction with the author's ACV method for comparing the relative efficiency of different tests of significance, it is found that a simple count of sign changes is nearly as efficient as the familiar Durbin-Watson test of autoregression of residuals. Individual decisions based on this test are closely similar to those from the number of runs test. On another actual body of data the three tests seem to be about equally efficient. A table is supplied giving cumulative binomial probabilities for assessing significance for the sign changes test.