游程检验

游程检验 (Runs Test)

游程检验（Runs Test），也称为沃尔德-沃尔夫维茨游程检验或吉尔里游程检验，是一种重要的非参数统计检验方法。它的主要目的是判断一个数据序列是否具有随机性（Randomness）。在计量经济学、时间序列分析以及一般的统计推断中，经常需要假设样本是随机抽取的，或者模型的残差是相互独立的。游程检验不依赖于总体的具体分布形式，因此在处理定性数据或分布未知的定量数据时非常有用。

核心概念

在一个由两类元素（如符号"+"和"-"、或"0"和"1"）组成的序列中，一个游程是指由相同符号组成的连续子序列，该子序列的前后元素均与该子序列的符号不同。游程长度为一个游程中包含的元素个数，游程数$R$为整个序列中游程的总个数。例如序列HHH TT H TTTT HH包含5个游程（$R = 5$），第一个游程有3个H、长度为3。

游程检验的核心直觉是：如果一个序列完全随机，同类元素不应过度聚集（导致游程数过少），也不应有规律地交替出现（导致游程数过多）。游程数过少意味着同类元素成团出现，表明序列中可能存在趋势或正自相关；游程数过多意味着元素频繁跳变，表明可能存在系统性震荡或负自相关。

检验假设与统计量

假设检验设定为：零假设$H_0$为该序列随机生成（元素相互独立），备择假设$H_1$为该序列不随机。假设序列中第一类元素个数为$n_1$，第二类为$n_2$，总样本量$n = n_1 + n_2$。

小样本情况（$n_1, n_2$均小于20）：利用组合数学计算游程数$R$的概率分布，通过查游程检验临界值表判断显著性。若$R \le R_{critical_lower}$或$R \ge R_{critical_upper}$则拒绝零假设。

大样本情况（$n_1, n_2$均大于10）：游程数$R$的抽样分布近似服从正态分布。在随机性零假设下，$R$的期望值和方差分别为：

由此构造标准化检验统计量$Z = (R - \mu_R) / \sigma_R$，渐近服从标准正态分布$N(0, 1)$。根据显著性水平$\alpha$和双尾或单尾检验设定，将$|Z|$与临界值比较做出判断。

应用与注意事项

游程检验在多个领域有重要应用。在时间序列分析中，检验残差的随机性——若残差序列拒绝随机性假设，表明模型未充分捕获数据中的自相关结构，需重新设定模型或引入滞后项。在金融学中，检验股票收益率的随机性——若收益序列不随机（表现出趋势或反转模式），则可能挑战有效市场假说。在质量控制中，检验生产过程是否处于统计受控状态。在回归诊断中，通过分析残差符号游程检验是否存在自相关或模型误设。

使用游程检验需注意：连续变量需先通过相对于某个阈值（如中位数、均值）的分类转换为二分变量——阈值选择会略微影响检验结果。游程检验主要检测正自相关或负自相关形式的非随机性，对其他形式的非随机模式（如确定性周期）敏感性较低。它是一种非参数方法，效力通常低于基于正态假定的参数检验，但在分布假设不成立时更为稳健。