Diagnostic tests of distributional shape
分布形状的诊断检验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：摘要讨论通用误差分布诊断与局部检验理论，未给出所列经济计量领域的明确应用。
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…
关注这篇论文的作者
分布形状的诊断检验
- 研究问题
- 在位置和尺度未知时，如何针对特定参数方向检验误差分布形状，并理解偏度和峰度统计量的局部检验性质？
- 方法与思路
- 作者汇总分布形状诊断程序，强调近似有效得分，并以指数和高斯形状检验说明既有及新提出的统计量。
- 材料陈述的贡献
- 摘要称偏度与峰度分别针对对数伽马族和Student-t族的偏离，是正态性检验的渐近局部最优统计量。
- 阅读关注点
- 应核对参数偏离方向、局部最优性的定义及未知位置尺度的处理，并查看两种新统计量的构造和性质分析。
- 阅读边界
- OpenAlex索引摘要未注明稿件版本；局部最优性针对特定备择方向，不能解释为偏度或峰度对所有非正态分布均最有效。
原文摘要
Summary Many statistical procedures are, strictly speaking, only appropriate when a simplifying assumption about the shape of an error distribution is made, and such an assumption may need to be checked against departures in specific parametric directions. A number of ‘diagnostic’ test procedures are summarized in which location and scale may be unknown, and examples are given in the context of testing for an exponential or Gaussian shape. Approximate efficient scores are emphasized which lead to both well known and novel test statistics. In particular, we show that the standard measures of skewness and kurtosis are asymptotically locally optimal test statistics for normality against departures in the log gamma and Student t family respectively. The properties of two new test statistics are briefly investigated.