Goodness-of-Fit Testing for Groupwise Spherical Error Structures
组内球形误差结构的拟合优度检验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：摘要明确研究大型回归面板中的误差协方差结构及其检验，未限定宏观应用。
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…
组内球形误差结构的拟合优度检验
- 研究问题
- 在横截面维度与样本量同阶的大型面板中，怎样判断误差偏离个体间不相关、组内方差恒定的设定是否具有实际重要性？
- 方法与思路
- 作者以经验协方差矩阵的极端特征值为基础，利用随机矩阵理论构造定量推断工具，覆盖高维数据矩阵与回归面板。
- 材料陈述的贡献
- 摘要称，方法用于检验组内球形误差结构偏离的实际相关性；数值实验显示其在有限样本中有准确的水平控制和良好功效。
- 阅读关注点
- 应核对实际重要性对应的阈值与原假设、分组方式、高维渐近条件，以及回归残差估计对极端特征值检验的影响。
- 阅读边界
- 这是 arXiv v1 预印本，不能据此声称已同行评审或期刊接收；摘要未说明阈值、完整理论条件及实验数值。
原文摘要
The analysis of large data panels is important in econometrics and beyond. Prediction and inference methods for such data typically rely on simplifying model assumptions for the covariance structure of errors. One convenient assumption is what we call groupwise sphericity: that errors are uncorrelated across individuals and have constant variance within certain groups. While theoretically useful, in large panels groupwise sphericity is often too restrictive to apply in practice. We therefore develop new quantitative inference tools to test whether deviations from this model assumption are practically relevant. Our approach covers both large-dimensional data matrices and regression panels, in a regime where the cross-sectional dimension is proportional to the sample size. The theory is based on the analysis of extreme eigenvalues of the empirical covariance matrix and uses recent advances in random matrix theory. Numerical experiments demonstrate accurate size control and good power in finite samples.