Testing Simultaneous Diagonalizability
同时可对角化性的检验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：摘要明确将检验用于多个VAR的时间序列分解，并以八国宏观指标展示应用，因此选择宏观时间序列方向。
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…
同时可对角化性的检验
- 研究问题
- 如何检验两个或多个可能非对称的矩阵能否同时对角化，或只共享部分特征向量，并将该检验用于动态模型分析？
- 方法与思路
- 作者提出两样本、多矩阵及部分共同特征向量检验，并给出算法；应用包括分解多个VAR及检验马尔可夫链共同平稳分布。
- 材料陈述的贡献
- 摘要称，所提方法在模拟中表现良好，并用于八国宏观指标的VAR分解，以及河流流量数据中的平稳分布比较。
- 阅读关注点
- 应核对矩阵估计误差如何进入检验、非对称矩阵与重复特征值的处理，以及VAR分解为单变量序列所需的条件。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未提供零假设细节、理论条件或实证数值，不能推断结构冲击识别及刊本变化。
原文摘要
This article proposes novel methods to test for simultaneous diagonalization of possibly asymmetric matrices. Motivated by various applications, a two-sample test as well as a generalization for multiple matrices are proposed. A partial version of the test is also studied to check whether a partial set of eigenvectors is shared across samples. Additionally, a novel algorithm for the considered testing methods is introduced. Simulation studies demonstrate favorable performance for all designs. Finally, the theoretical results are used to decouple multiple vector autoregression models into univariate time series, and to test for the same stationary distribution in recurrent Markov chains. These applications are demonstrated using macroeconomic indices of eight countries and streamflow data, respectively. Supplementary materials for this article are available online.