几支麦克风同时录下一屋子人的谈话，独立成分分析（ICA）可以尝试把混在一起的声音拆开。但拆出来不等于拆对了：它默认这些隐藏来源彼此统计独立，过去却缺少兼顾多项关键性质的正式检查。这项 JASA 工作要回答的正是：数据真的符合这个前提吗？
据 ECARES 工作论文，Marc Hallin、Simos G. Meintanis 和 Klaus Nordhausen 提出了一族模型有效性检验。最实用的一步，是绕开检验统计量极其复杂的理论分布，改用置换与重抽样来判断结果是否异常，由此得到分布无关的程序——不必预先假定各成分服从正态等特定分布。通过合适的权重和混合矩阵估计方法，检验还能同时保持仿射不变性：数据换单位、旋转坐标或作可逆线性变换，结论不应随之改变；并具备一致性，即样本足够多时，错误模型被发现的概率趋近于一。工作论文还报告了 Monte Carlo 模拟与真实数据应用，但现有供稿未披露具体效果数字。