A Robust Generalization of the Rao Test
Rao 检验的稳健推广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：摘要仅讨论通用 Rao 型检验、散度估计及稳健性，未限定时间序列、金融或具体微观模型，缺乏匹配领域细分的直接证据。
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…
Rao 检验的稳健推广
- 研究问题
- 如何在检验简单与复合原假设时推广经典 Rao 检验，使统计检验具备可分析的稳健性，并保持可用的渐近推断？
- 方法与思路
- 作者以最小密度幂散度估计量构造新的 Rao 型检验统计量族，推导原假设下的渐近分布，并从理论上考察其稳健性质。
- 材料陈述的贡献
- 摘要提出可用于简单与复合原假设的稳健 Rao 型检验，并用数值例子支持理论；其“优良替代方案”评价仍是作者表述。
- 阅读关注点
- 核对散度调节参数的选择、简单与复合原假设下的构造差异，以及稳健性如何定义和衡量、数值比较覆盖哪些情景。
- 阅读边界
- 摘要未交代污染机制、参数选择、效率损失及数值比较细节，无法判断具体稳健收益，更不能据此认定其普遍优于既有检验。
原文摘要
This article presents new families of Rao-type test statistics based on the minimum density power divergence estimators which provide robust generalizations for testing simple and composite null hypotheses. The asymptotic null distributions of the proposed tests are obtained and their robustness properties are also theoretically studied. Numerical illustrations are provided to substantiate the theory developed. On the whole, the proposed tests are seen to be excellent alternatives to the classical Rao test as well as other well-known tests.