Hypothesis testing for partial tail correlation in multivariate extremes
多元极值中的偏尾相关假设检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要聚焦多元极值、尾部相依结构与极值相依稀疏性检验，与尾部及系统性风险方向最为直接相关；其余领域细分在摘要中缺乏文本依据。
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
多元极值中的偏尾相关假设检验
- 研究问题
- 摘要称，高维极值统计建模仍具挑战且多限于中等维度；本文关注如何在变量极端水平上刻画变量对之间的结构关系，以简化模型并识别极值相依中的稀疏性。
- 方法与思路
- 作者提出偏尾相关的概念，针对非负正则变化随机向量提出尾部回归方法，并基于回归残差定义偏尾相关；借助协方差矩阵的极值类比，说明所得回归系数与偏尾相关具有与经典非极值情形相同的形式，并据此构造假设检验。
- 材料陈述的贡献
- 摘要称其贡献在于引入偏尾相关以刻画尾部变量对的结构关系，给出尾部回归的定义方式，证明回归系数与偏尾相关在极值下与经典情形同形，并开发用于探索极值相依稀疏性的假设检验，通过模拟与多瑙河河网应用展示其有效性。
- 阅读关注点
- 应核对偏尾相关的正式定义与识别条件、尾部回归的估计与渐近性质、检验的原假设与稀疏性解释，以及模拟设定和多瑙河数据应用的具体结论；摘要未说明这些细节。
- 阅读边界
- 仅依据摘要，无法判断定理条件、估计量性质、检验水平与功效、模拟表现及实证结论的稳健性；该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
Statistical modeling of high dimensional extremes remains challenging and has generally been limited to moderate dimensions. Understanding structural relationships among variables at their extreme levels is crucial both for constructing simplified models and for identifying sparsity in extremal dependence. In this paper, we introduce the notion of partial tail correlation to characterize structural relationships between pairs of variables in their tails. To this end, we propose a tail regression approach for nonnegative regularly varying random vectors and define partial tail correlation based on the regression residuals. Using an extreme analogue of the covariance matrix, we show that the resulting regression coefficients and partial tail correlations take the same form as in classical non-extreme settings. For inference, we develop a hypothesis test to explore sparsity in extremal dependence structures, and demonstrate its effectiveness through simulations and an application to the Danube river network.