Normal but skewed?
正态，却有偏态？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：核心内容是通用多元正态性检验，摘要未提供与所列领域细分直接对应的充分依据。
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…
正态，却有偏态？
- 研究问题
- 如何针对偏斜正态备择构造多元正态性检验，在仅估计原假设模型的情况下获得似然比的渐近性质并进行有限样本推断？
- 方法与思路
- 作者利用高阶对数似然导数构造检验，其数值形式为所有线性组合上的单变量偏度检验上确界，并模拟有限样本分布。
- 材料陈述的贡献
- 摘要称，检验与似然比渐近等价，可模拟任意维度和样本量下的精确有限样本分布；模拟显示相对其他方法的功效优势。
- 阅读关注点
- 应核对渐近等价的条件、上确界求解与有限样本分布模拟方法，以及功效比较使用的备择、维度和样本量范围。
- 阅读边界
- 摘要未给出功效数值、计算成本或完整适用条件；城市规模与增长率应用不足以把这一通用分布检验归入特定经济领域。
原文摘要
Summary We propose a multivariate normality test against skew normal distributions using higher‐order log‐likelihood derivatives, which is asymptotically equivalent to the likelihood ratio but only requires estimation under the null. Numerically, it is the supremum of the univariate skewness coefficient test over all linear combinations of the variables. We can simulate its exact finite sample distribution for any multivariate dimension and sample size. Our Monte Carlo exercises confirm its power advantages over alternative approaches. Finally, we apply it to the joint distribution of US city sizes in two consecutive censuses finding that non‐normality is very clearly seen in their growth rates.