Limitations on detecting row covariance in the presence of column covariance

بسیاری از تکنیک های استنتاج برای تجزیه و تحلیل داده های چند متغیره فرض می کنند که ردیف ماتریس داده ها، پیاده سازی یک بردار تصادفی توزیع مستقل و یکسان است. به عنوان مثال، چنین فرض می شود، اگر ردیف ماتریس داده ها اندازه گیری های چند متغیره در مجموعه ای از واحدهای مستقل مورد نظر است. در غیاب یک نمونه تصادفی مستقل، یک سوال مربوط به این است که آیا یک مدل آماری که چنین تبادلگر ردیف را پذیرفته است قابل اعتماد است یا نه. یک روش برای ارزیابی این احتمال پذیری، یک آزمون آماری از متغیر ردیف است. تعمیر و نگهداری یک نرخ خطای نوع ثابت بدون در نظر گرفتن کوواریانس ستون یا میانگین ماتریس می تواند با یک آزمون که تحت یک گروه مناسب از تغییرات غیر قابل تغییر است انجام شود. در چارچوب یک مدل رگرسیون متغیر ماتریس حاوی بیضی شکل (مانند مدل های عادی ماتریس)، نشان داده شده است که اگر تعداد ردیف ها به اندازه کافی بزرگتر از تعداد ستونها نباشد، هیچ تست غیرمعمول وجود ندارد. علاوه بر این، حتی اگر تعداد ردیفها بزرگ باشد، هیچ تست غیرمستقیم غیرمستقیم وجود ندارد که توانایی تشخیص کوواریانس ردیف دلخواه را در حضور کوواریانس ستون دلخواه داشته باشد. با این حال، آزمون های محرمانه می توانند ساخته شوند که توانایی تشخیص نوع خاصی از کوواریانس ردیفی را داشته باشند که در عمل ممکن است رخ دهد.