The comparison of sample covariance matrices using likelihood ratio tests
用似然比检验比较样本协方差矩阵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：摘要讨论一般协方差矩阵的检验分解，未涉及明确的经济面板、因子、时间序列或金融应用，领域分类证据不足。
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
用似然比检验比较样本协方差矩阵
- 研究问题
- 比较两个或更多样本协方差矩阵时，如何使传统似然比检验提供更细致的信息，而不仅报告一个总体检验统计量？
- 方法与思路
- 作者将似然比检验统计量按层次分解为三个组成部分，以增加检验的解释信息；摘要未说明各部分的定义及其统计关系。
- 材料陈述的贡献
- 摘要明确提出通过层次分解改进协方差矩阵比较的解释性，但没有给出三个分量分别反映什么差异或检验能力的具体结果。
- 阅读关注点
- 应核对三个分量的数学定义、分解顺序和解释，检验所需的分布与抽样条件，以及分量检验和总体检验之间如何衔接。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；分量含义、零分布和适用条件均未提供，不能据此推断分解具有独立性或功效优势。
原文摘要
The standard method for the comparison of two or more sample covariance matrices is the likelihood ratio test. The purpose of the present paper is to show how this test can be made more informative by hierarchically partitioning the test statistic into three components.