Testing Simultaneous Diagonalizability
同时可对角化的统计检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确将检验用于向量自回归模型分解，并以多国宏观时间序列展示应用。
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…
同时可对角化的统计检验
- 研究问题
- 如何检验多个可能非对称的矩阵是否可同时对角化，或是否只共享部分特征向量，并把这些结果用于动态模型分析？
- 方法与思路
- 作者构造两样本及多矩阵检验，研究共享部分特征向量的局部版本，并提出算法，应用于 VAR 分解和马尔可夫链平稳分布比较。
- 材料陈述的贡献
- 摘要称提出新检验与算法，模拟中各设计表现良好，并用八国宏观指标和河流流量数据展示两个应用方向。
- 阅读关注点
- 应核对矩阵估计误差、重根及不可对角化情形的处理，检验分布与算法条件，以及共同特征向量如何支持 VAR 的分解。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出检验成立条件或模拟数值，不能据此推断其具有普遍稳健性。
原文摘要
This paper proposes novel methods to test for simultaneous diagonalization of possibly asymmetric matrices. Motivated by various applications, a two-sample test as well as a generalization for multiple matrices are proposed. A partial version of the test is also studied to check whether a partial set of eigenvectors is shared across samples. Additionally, a novel algorithm for the considered testing methods is introduced. Simulation studies demonstrate favorable performance for all designs. Finally, the theoretical results are utilized to decouple vector autoregression models into multiple univariate time series, and to test for the same stationary distribution in recurrent Markov chains. These applications are demonstrated using macroeconomic indices of 8 countries and streamflow data, respectively.