Two Statistics for Testing for Multivariate Normality
用于检验多元正态性的两个统计量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：摘要研究通用多元正态性检验，未直接涉及所列经济计量细分方向。
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
用于检验多元正态性的两个统计量
- 研究问题
- 已有多元偏度与峰度统计量具有怎样的分布，如何近似计算其临界分位点，使它们可用于不同样本量和维度的正态性检验？
- 方法与思路
- 作者研究两个统计量的分布性质，通过变换其渐近分布构造近似分位点，并用模拟评估这些近似的表现。
- 材料陈述的贡献
- 摘要称方法适用于样本量大于八的二维至四维情形，原则上可延伸至更高维；模拟显示样本量至少二十五时近似较好。
- 阅读关注点
- 应核对两个统计量的定义、渐近分布变换、不同维度的计算方法，以及模拟中衡量分位点近似准确性的标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出近似公式与误差大小，高维适用性及小样本检验表现仍需核对。
原文摘要
Malkovich & Afifi (1973) proposed measures of multivariate skewness and kurtosis. In the present paper, distributional properties of the two statistics are examined. A method is given for calculating approximate percentage points of their distributions for all sample sizes greater than 8, for dimensions 2, 3 and 4, and, in principle, for all higher dimensions. The percentage points are derived from appropriate transformations of the asymptotic distributions. A simulation study shows the approximations to be good for sample sizes of 25 and above.