Key points are not available for this paper at this time.
Die Literatur zu Kontingenztabellen über Tests für Abhängigkeit zwischen diskreten Multikategorie-Variablen ist umfangreich. Standardtests setzen jedoch voraus, dass die Ziehungen unabhängig sind, und es existieren nur begrenzte Ergebnisse über die Auswirkungen serieller Abhängigkeiten - ein Problem, das in Bereichen wie Wirtschaft, Finanzen, medizinischen Studien und Meteorologie wichtig ist. Dieser Artikel schlägt neue Unabhängigkeitstests vor, die auf kanonischen Korrelationen aus dynamisch erweiterten reduzierten Rangregressionen basieren. Die Tests erlauben eine beliebige Anzahl von Kategorien sowie mehrdimensionale Tabellen beliebiger Dimension und sind robust in Gegenwart von seriellen Abhängigkeiten, die die Form von Markov-Prozessen endlicher Ordnung annehmen. Für Dreidimensional- oder höherdimensionale Tabellen schlagen wir neue Tests für gemeinsame und marginale Unabhängigkeit vor. Monte-Carlo-Experimente zeigen, dass die vorgeschlagenen Tests gute Eigenschaften bei endlichen Stichproben haben. Eine empirische Anwendung auf mikroökonomische Umfragedaten zu den Prognosen von Unternehmen über Änderungen ihrer Produktion und Preise verdeutlicht die Bedeutung einer Korrektur für serielle Abhängigkeiten in Vorhersagetests.
Pesaran et al. (Sun,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: