众所周知，当给参数指定为非正常先验分布时，使用贝叶斯因子(BF)作假设检验并不合适，且在潜在变量模型中，使用贝叶斯因子(BF)的另一问题是它难于计算。Bernardo和Rueda(2002)(BR)建议使用Kullback-Leibler(KL)距离作为连续损失函数并得到了一种检验方法，虽然此方法在非正常先验分布下好用且有若干优点，但也会遇到一些实际问题。Li和Yu(2012)(LY)基于EM算法中的Q函数提出了一种贝叶斯检验统计量，此检验统计量具有BR所提出方法的一些优点，但糟糕的是BR与LY的方法都会遇到门限值的选择与数据和候选模型都无关的问题。　　基于上面所提到方法的一些缺陷，Li，Zeng和Yu(2013)(LZY)在决策理论的框架下，根据贝叶斯离差提出了一种新的检验统计量，它可视为贝叶斯版本的似然比检验，具有以下三方面的性质:第一，当给参数指定为非正常先验分布时，它可避免Jeffreys问题;第二，它也不会遇到Jeffreys-Lindley悖论;第三，它易于计算且门限值易于得到，因此这就方便了它在实际中的应用。遗憾的是LZY(2013)只对实际数据做了实证研究，未做相关的模拟研究，基于此，本文将引入并利用LZY(2013)所提出的方法，针对经济金融中的三类经典模型，即简单线性回归模型，线性资产定价模型以及随机波动率模型，在贝叶斯框架下对单点双边假设检验问题进行模拟研究。模拟结果表明，使用本文引入的贝叶斯检验统计量对这三类经典模型作相关假设检验与我们的预期目标是一致的。