Normality tests for latent variables
潜在变量的正态性检验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：摘要明确研究线性状态空间模型，并应用于美国总产出的共同趋势测量，因此最直接对应宏观时间序列方向。
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…
潜在变量的正态性检验
- 研究问题
- 在线性状态空间模型中，如何检验不可直接观测的潜在变量创新是否服从正态分布，并区分偏度与峰度方向的偏离？
- 方法与思路
- 作者借助 EM 算法的思路构造针对广义双曲分布备择的 LM 检验，分解三、四阶矩成分，并推导单侧似然比对应形式。
- 材料陈述的贡献
- 摘要称，检验便于实施和解释，并给出渐近分布；美国实际总产出的共同趋势应用在样本延伸至大缓和之后时拒绝正态性。
- 阅读关注点
- 应核对潜在创新如何进入检验、矩成分与备择的对应关系，以及渐近分布所需条件和共同趋势应用的样本设置。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断检验条件、有限样本表现和拒绝结果的稳健性，也不能推断其他版本的变化。
原文摘要
We exploit the rationale behind the Expectation Maximization algorithm to derive simple to implement and interpret LM normality tests for the innovations of the latent variables in linear state space models against generalized hyperbolic alternatives, including symmetric and asymmetric Student t s. We decompose our tests into third and fourth moment components, and obtain one‐sided likelihood ratio analogues, whose asymptotic distribution we provide. When we apply our tests to a common trend model which combines the expenditure and income versions of US aggregate real output to improve its measurement, we reject normality if the sample period extends beyond the Great Moderation.