.png){kind=icon}
.png){kind=icon}
返回
Encompassing and Progression Testing in High-Dimensions
.png){kind=icon}
PRE
AI
DOI：10.1080/07350015.2026.2695448.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了基于子序列的柯西组合检验（SCT），一种用于检验涵盖关系或模型有效性的新方法，该方法使用作为多个矩限制表述的识别条件。SCT适用于弱依赖或短程依赖数据，并消除了估计高维协方差矩阵的必要性。与Wald检验或J型检验不同，它在低维和高维设定下均保持可靠性。该检验具有渐近无偏性，且接近最小最大速率最优，在备择假设下（即所选模型未能涵盖有效模型时），其渐近功效不低于一个先知型最大检验的功效。SCT能够处理秩亏系统的冗余性、进展性和非线性检验。作为实证说明，我们将SCT应用于美国因子动物园，并展示了在1964年至2022年期间，少数因子如何有效地涵盖国家层面的因子。
Keyword:
Model Validation
SCT
Factor Zoo
C55
C52
C12
C32