检验统计量在空间点过程中起着非常重要的作用。我们可以用它来区分不同的点过程。但是每个检验统计量都有自己的缺点。所以，为了区分不同情况下数据点之间的作用类型，不断有新的检验统计量提出。 受Schladitz and Bddeley(2000)中函数T(r)和Geyer(1999)一个关于点过程的讨论的启发，陈建宝教授提出了三个新的函数：F*，G*和J*并且证明了G*和J*可以作为检验统计量。但是并未给出这三个新函数的功效，这篇论文给出了它们的功效，从结果中我们很显然可以看出函数G*和J*的功效要比F*的好。 对一元点过程数据的分析常常是从检验统计量的估计开始的，其中F和G是常常涉及到的检验统计量，本文研究了基于F和G的三种典型边际修正的估计方法得到的J函数的估计的偏差，方差和功效。 当我们所研究的对象包含多种不同类型的点过程数据时，一元点过程的检验统计量常常被推广到多元。本文将Doguwa and Upton(1990)关于一元点过程检验统计量G的估计方法推广到了多元的情况，结合Doguwa(1992)关于一元点过程函数F的估计我们就可以得到多元J函数的估计。本文对基于多元检验统计量Gij，Gi.，Jij和Ji.的估计作了比较研究，包括偏差，方差和功效等。结果显示：对于许多点过程数据来说，尽管根据Doguwa的估计方法得到的修正估计能在一定程度上减少偏差和方差，但是其检验功效并不显著。