[论文解读] Precise finite-sample quantiles of the Jarque-Bera adjusted Lagrange multiplier test

Diethelm Wuertz, Helmut G. Katzgraber|RePEc: Research Papers in Economics|Sep 19, 2005

Financial Risk and Volatility Modeling被引用 9

一句话总结

本文通过1000万次蒙特卡洛模拟，为Jarque-Bera拉格朗日乘子（LM）检验及其调整版本（ALM）检验提供了高度精确的小样本临界值。通过用经验推导的分位数替代渐近卡方近似，该方法显著改善了小样本和中等样本中的第一类错误控制，实现了更精确的假设检验。

ABSTRACT

It is well known that the finite-sample null distribution of the Jarque-Bera Lagrange Multiplier (LM) test for normality and its adjusted version (ALM) introduced by Urzua differ considerably from their asymptotic chi^2(2) limit. Here, we present results from Monte Carlo simulations using 10^7 replications which yield very precise numbers for the LM and ALM statistic over a wide range of critical values and sample sizes. This enables a precise implementation of the Jarque-Bera LM and ALM test for finite samples.

研究动机与目标

• 解决一个众所周知的问题：渐近卡方(2)分布对Jarque-Bera LM检验的有限样本零分布近似效果极差。
• 为原始LM检验和Urzua提出的调整ALM检验在广泛样本量和显著性水平下提供高度精确的临界值。
• 通过执行大规模模拟（1000万次重复），克服以往蒙特卡洛研究中重复次数较少、网格分辨率较粗的局限性。
• 将有限样本临界值集成到R软件包中，便于在统计软件环境中实际应用。

提出的方法

• 通过生成1000万组独立同分布的标准正态样本，进行蒙特卡洛模拟，以估计LM与ALM检验统计量的经验零分布。
• 利用模拟结果的累积分布函数，计算样本量（N）和显著性水平（p）密集网格下的精确分位数（p值）。
• 应用响应面回归，将分位数函数建模为1/N的幂级数，实现样本量之间的插值。
• 在R函数（pjb、qjb、jb.test）中实现结果，可计算LM与ALM统计量的有限样本p值，并在必要时回退至渐近值。
• 通过比较有限样本p值与渐近近似值，验证方法的有效性，证明其在小样本中具有更高的准确性。
• 使用高质量的乘法滞后斐波那契随机数生成器，确保模拟的可靠性与精度。

实验结果

研究问题

• RQ1 Jarque-Bera检验的渐近卡方(2)临界值在小样本和中等样本中有多不准确？
• RQ2 LM与ALM统计量在广泛样本量和显著性水平下的精确有限样本临界值是什么？
• RQ3 在有限样本中，调整后的ALM检验相较于原始LM检验的表现如何？
• RQ4 基于1000万次重复的响应面近似是否能提供比以往重复次数较少的研究更精确的临界值？
• RQ5 使用有限样本临界值在多大程度上改善了正态性检验中的第一类错误控制？

主要发现

• Jarque-Bera LM检验的有限样本零分布与渐近卡方(2)分布存在显著偏差，尤其在小样本中更为明显。
• 采用偏度与峰度精确有限样本矩的调整ALM检验，在小样本中表现出显著优于原始LM检验的尺寸特性。
• 本研究通过1000万次重复的蒙特卡洛模拟，提供了迄今为止最精确的有限样本临界值，其分辨率和精度均高于以往研究。
• 基于1/N的六次多项式响应面近似，能够可靠且平滑地实现不同样本量下临界值的插值。
• R软件包'fSeries'与'JarqueBera'已实现有限样本临界值，使用户可直接在R和S-Plus中用于假设检验。
• 当样本量N=100且分布为自由度为4的重尾t分布时，有限样本p值低于2.2e-16，而渐近p值却显示为明显偏高，充分证明了有限样本校正的必要性。