A Diagnostic Test for Normality Within the Power Exponential Family
幂指数分布族内的正态性诊断检验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：摘要聚焦通用回归扰动的正态性诊断及检验功效，未提供对应微观、宏观或金融细分的充分证据。
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…
幂指数分布族内的正态性诊断检验
- 研究问题
- 如何在幂指数分布族内检验回归扰动的正态性，并评估所构造检验在该族内及族外非正态备择下的小样本功效？
- 方法与思路
- 作者构造局部一致最强无偏的拉格朗日乘子检验，通过蒙特卡洛与六种检验比较十二类非正态备择，并估计族内备择的功效响应面。
- 材料陈述的贡献
- 作者提出正态性诊断检验，并以模拟与响应面描述有限样本功效；摘要称其计算便利，对部分族外备择也具有相对有吸引力的功效。
- 阅读关注点
- 重点核对检验统计量、局部最优性对应的备择与无偏条件，并检查模拟中的样本量、显著性水平、实际检验水平和功效响应面设定。
- 阅读边界
- 摘要未给出功效数值或实际检验水平；局部最优性受给定分布族与条件限制，不能理解为对所有非正态备择都优于其他检验。
原文摘要
This article develops the locally uniformly most powerful unbiased Lagrange multiplier test of normality of regression disturbances within the family of power exponential distributions. The small sample power properties of the test are compared in a Monte Carlo study with 6 well-known tests across 12 alternative nonnormal distributions. In addition, the finite sample power properties for nonnormal alternatives within the power exponential family are summarized by estimating response surfaces. The results suggest that the proposed text is computationally convenient and possesses relatively attractive power properties even against alternatives outside the power exponential family.