Robust Tests for Spherical Symmetry and Their Application to Least Squares Regression
球面对称性的稳健检验及其最小二乘回归应用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：摘要明确讨论序列相关检验和 Durbin–Watson 检验，直接关联时间序列中的误差相关诊断。
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
球面对称性的稳健检验及其最小二乘回归应用
- 研究问题
- 球面对称性检验和基于正态假设构造的序列相关检验，在椭圆对称等非正态分布下能保留哪些分布与最优性性质？
- 方法与思路
- 作者使用不变性论证球面对称检验的最优性质，考察统计量的原假设与备择分布，并将结论用于线性回归中的相关检验。
- 材料陈述的贡献
- 摘要称，相关检验在指定分布类下具有与正态情形相同的统计量分布，并为 Kadiyala 的 T1 检验及 Durbin–Watson 检验提供稳健性结果。
- 阅读关注点
- 应核对不变群、原假设与备择分布类、最优性所限的检验集合，以及序列相关和回归模型中稳健性结论的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；稳健性针对摘要涉及的分布类，不能推广为对任意非正态误差均有效。
原文摘要
Invariance is used to show that Kariya and Eaton's test for multivariate spherical symmetry is UMP invariant against elliptically symmetric distributions. Also both the null and alternative distributions of the test statistic are found to be the same as those which occur when the sample is normally distributed. UMP and UMPU tests for serial correlation derived assuming normality are found to be even more robust against departure from this assumption than was recently demonstrated by Kariya. When applied to the linear regression model, these results give useful robustness properties for Kadiyala's $T1$ test and the Durbin-Watson test.