Hypothesis testing with a restricted parameter space
受限参数空间下的假设检验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：摘要讨论通用受限参数检验，虽提及动态模型，但未明确时间序列结构或所列具体应用领域，因此不据此硬性归类。
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
受限参数空间下的假设检验
- 研究问题
- 备择假设的参数空间受限时，如何依加权平均功效构造最优检验，并比较多变量单侧及混合单侧、双侧备择下的表现？
- 方法与思路
- 作者以加权平均功效推导定向检验，先处理已知方差的高斯线性回归，再建立动态非线性模型的渐近对应结果并模拟比较。
- 材料陈述的贡献
- 摘要称，论文建立精确及渐近检验结果；模拟中 D-W∞ 定向检验与似然比检验在所考察受限备择下表现较好。
- 阅读关注点
- 应核对功效加权方式、参数空间限制、精确结果与渐近结果的条件差异，以及模拟设计和所谓总体表现的评价标准。
- 阅读边界
- 仅依据 OpenAlex 所载摘要；摘要未给出权重、完整条件及模拟数值，所述较好表现不等于对所有受限参数问题普遍最优。
原文摘要
This paper considers hypothesis tests when the parameter space is restricted under the alternative hypothesis. Multivariate one-sided tests are a leading example. Optimal tests, called directed tests, are derived using a weighted average power criterion. Exact results are established first for Gaussian linear regression models with known variance. Asymptotic analogues are then established for dynamic nonlinear models. Simulation is used to compare the tests discussed in the paper. The D-W∞ directed test is found to perform best in an overall sense for multivariate one-sided alternatives with the likelihood ratio test being a close second. The D-W∞ and likelihood ratio tests are found to perform best for mixed one- and two-sided alternatives.