Locally Robust Tests for Serial Correlation in Least Squares Regression
最小二乘回归中序列相关的局部稳健检验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：摘要直接研究回归误差的序列相关及其检验，对应时间序列方向，但未限定宏观应用。
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
最小二乘回归中序列相关的局部稳健检验
- 研究问题
- 当回归误差偏离正态分布，且回归设计矩阵不满足既有研究的特征向量条件时，如何构造序列相关检验？
- 方法与思路
- 作者取消设计矩阵列空间由误差协方差矩阵特征向量张成的假设，在更广分布类中推导局部最优不变检验。
- 材料陈述的贡献
- 摘要称，分别得到单侧局部最优不变检验和双侧局部最优无偏不变检验，其零假设分布与正态情形相同。
- 阅读关注点
- 核对更广分布类的具体定义、局部备择及不变变换群，并查看单侧与双侧检验最优性成立的条件。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；分布类及正则条件未说明，不能将局部稳健性推广为任意非正态误差下有效。
原文摘要
Kariya and Eaton and Kariya studied a robustness property of the usual tests for serial correlation against departure from normality. When the results were applied to a regression model $y = X \beta + u(X: nxk),$ it was assumed that the column space of $X$ is spanned by some $k$ latent vectors of the covariance matrix of error term $u.$ In this paper we delete this assumption and in a much broader class of distributions derive a locally best invariant test for a one-sided problem and a locally best unbiased and invariant test for a two-sided problem. The null distributions of these tests are the same as those under normality.