Testing unconditional and conditional independence via mutual information
基于互信息检验无条件与条件独立性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：摘要提供一般独立性检验理论，没有足够文本依据归入所列微观、宏观或金融细分。
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…
基于互信息检验无条件与条件独立性
- 研究问题
- 如何构造易于实施、能够覆盖所有偏离独立性的备择情形，并尽量保留局部检验功效的独立性检验，以改进现有方法的局限？
- 方法与思路
- 作者提出互信息检验，直接估计在独立状态下为常数的密度比，避免先分别估计联合密度和边际密度再构造其比值。
- 材料陈述的贡献
- 摘要称，该检验以少量局部功效损失换取对所有非独立备择的一致性；小规模模拟显示其在多种依赖结构下优于所比较方法。
- 阅读关注点
- 应核对密度比估计、检验校准和一致性的适用条件，以及题名中的条件独立检验如何构造，模拟比较是否保持相近实际检验尺寸。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；摘要未展开条件独立版本、局部功效损失的量级或模拟设置，不能外推为普遍优于其他检验。
原文摘要
Testing independence has garnered increasing attention in the econometric and statistical literature. Many tests have been proposed, most of which are inconsistent against all departures from independence. Few of those tests, though consistent, suffer a significant loss of local power. This study proposes a mutual information test for testing independence. The proposed test is simple to implement and, with a slight loss of local power, is consistent against all departures from independence. The key driving factor is that we estimate the density ratio directly. This value is constant in a state of independence. This is in contrast with related studies that estimate the joint and marginal density functions to form the density ratio. A small-scale simulation study indicates that the proposed test outperforms the existing alternatives in various dependence structures.