A Generalized Gehan and Gilbert Test for Paired Observations that are Subject to Arbitrary Right Censorship
任意右删失配对观测的广义 Gehan–Gilbert 检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于配对删失数据的通用检验方法，未提供与给定经济学或金融细分领域直接对应的证据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
任意右删失配对观测的广义 Gehan–Gilbert 检验
- 研究问题
- 面对受右删失影响的配对观测，如何构造渐近分布无关的检验，并在指定双变量指数模型中比较其与符号检验的功效？
- 方法与思路
- 作者沿用 Gehan 与 Gilbert 检验的思路，提出适用于所述配对右删失问题的检验，并在双变量指数模型下比较功效。
- 材料陈述的贡献
- 摘要称提出的检验具有渐近分布无关性质，且在双变量指数模型下比符号检验更有力；具体统计量与证明未在摘要中给出。
- 阅读关注点
- 应核对配对比较的原假设、删失机制需要满足的条件、渐近分布无关的确切含义，以及功效比较所用参数和备择。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；“任意右删失”的具体条件未说明，不能据题名推断无需删失机制假设。
原文摘要
An asymptotically distribution-free test, along the line of Gehan (1965) and Gilbert (1962), for paired observations that are subject to arbitrary right censorship is proposed. This test is shown to be more powerful than the sign test under a bivariate exponential model.