Testing the equality of the smallest latent roots of a correlation matrix
检验相关矩阵最小特征根的相等性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：摘要属于相关矩阵特征根的多元统计检验，未明确涉及宏观或金融因子模型。
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
检验相关矩阵最小特征根的相等性
- 研究问题
- 如何近似用于检验相关矩阵最小特征根相等的统计量的零假设分布，并判断这一近似与已有方案的表现差异？
- 方法与思路
- 作者计算检验统计量的渐近方差，据此实现此前提出的零分布近似，再通过模拟将该近似与正在使用的其他近似比较。
- 材料陈述的贡献
- 摘要明确贡献是给出统计量的渐近方差，使相应零分布近似得以实施，并开展模拟比较；未陈述哪种近似更好。
- 阅读关注点
- 应核对检验统计量、特征根相等的具体原假设及渐近条件，并查看模拟如何评价尺寸、近似精度和不同参数设置。
- 阅读边界
- 仅据未注明稿件版本的索引摘要；摘要未说明渐近条件、模拟设计和比较结论，不能推断新近似优于已有方法。
原文摘要
The asymptotic variance of a statistic used to test the equality of the smallest latent roots of a correlation matrix is computed. This permits an approximation to its null distribution suggested by Lawley (1956). A simulation is used to compare the performance of this approximation with others currently in use.