Practical Kolmogorov–Smirnov Testing by Minimum Distance Applied to Measure Top Income Shares in Korea
基于最小距离的实用 Kolmogorov–Smirnov 检验：韩国顶端收入份额的应用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：摘要研究参数收入分布的拟合检验，并应用于韩国顶端收入份额与帕累托尾假设，直接支持分位数与分布效应方向。
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…
基于最小距离的实用 Kolmogorov–Smirnov 检验：韩国顶端收入份额的应用
- 研究问题
- 拟合未知参数后，如何校准分布拟合优度检验，并用韩国税务资料检验估计不同顶端收入份额时采用的帕累托尾假设？
- 方法与思路
- 作者用 Cramér–von Mises 最小距离估计参数，将检验的渐近零分布表示为布朗桥泛函，再通过模拟获得渐近临界值。
- 材料陈述的贡献
- 摘要给出渐近功效分析和有限样本模拟；韩国应用中，顶端0.1%等更高收入段未拒绝帕累托尾假设，顶端1%与0.5%则在5%水平拒绝。
- 阅读关注点
- 应核对参数拟合如何改变检验零分布、模拟临界值的构造和局部功效结果，并检查韩国税务数据的尾部阈值与样本处理。
- 阅读边界
- 未拒绝帕累托尾假设并不证明该分布成立；摘要未提供模拟表现细节、税务数据覆盖范围或份额估计误差，需查正文及补充材料。
原文摘要
We study Kolmogorov–Smirnov goodness-of-fit tests for evaluating distributional hypotheses where unknown parameters need to be fitted. Following the work of Pollard (1980), our approach uses a Cramér–von Mises minimum distance estimator for parameter estimation. The asymptotic null distribution of the resulting test statistic is represented by invariance principle arguments as a functional of a Brownian bridge in a simple regression format for which asymptotic critical values are readily delivered by simulations. Asymptotic power is examined under fixed and local alternatives and finite sample performance of the test is evaluated in simulations. The test is applied to measure top income shares using Korean income tax return data over 2007–2012. When the data relate to estimating the upper 0.1% or higher income shares, the conventional assumption of a Pareto tail distribution cannot be rejected. But the Pareto tail hypothesis is rejected for estimating the top 1.0% or 0.5% income shares at the 5% significance level. A supplement containing proofs and data descriptions is available online.