Permutation Tests for Correlation in Regression Errors
回归误差相关性的置换检验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：摘要明确研究序列相关检验及其与Durbin–Watson检验的联系，直接涉及时间序列误差诊断。
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
回归误差相关性的置换检验
- 研究问题
- 在线性回归中，如何不依赖特定误差分布，检验误差的序列、空间或其他相关性，并处理残差不可交换的问题？
- 方法与思路
- 作者通过置换回归残差计算检验的P值，区分特殊情形的有效性与一般情形的近似性质，并研究其渐近分布。
- 材料陈述的贡献
- 摘要称检验在温和条件下渐近有效且一致；序列检验与Durbin–Watson检验相关，并给出基于位置三角剖分的空间示例。
- 阅读关注点
- 应核对残差置换成立的具体条件、检验统计量与相关结构的关系，以及有限样本近似误差和空间邻接规则的影响。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，不能推断刊本变化；一般回归中的置换检验仅为近似，摘要未列明所谓温和条件。
原文摘要
This article is about tests for serial, spatial, or other correlation in e, the error vector in the linear model Y = Xβ + e. The errors need not come from a particular parametric distribution such as the normal. P values are computed using permutations of the regression residuals. In the special cases that Y = e or X is a vector of Is, the tests are valid and consistent. In general, regression residuals are not exchangeable, so the tests are only approximate. It is shown, however, that under mild conditions, the permutation tests are asymptotically valid and consistent. The test statistics are asymptotically normal. In the serial case, the tests are closely related to the Durbin-Watson (DW) test. The spatial case is illustrated with a test based on a triangulation of observation locations. In addition to providing a spatial analog to the DW test, the permutation tests circumvent two of the DW test's difficulties: dependency on the normality of errors and the need to accommodate “indifference zones.”