Semiparametric inference for a quantile comparison function with applications to receiver operating characteristic curves
分位数比较函数的半参数推断及其在受试者工作特征曲线中的应用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：摘要直接研究分位数比较函数及两总体的分布比较，因此归入分位数与分布效应方向。
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
分位数比较函数的半参数推断及其在受试者工作特征曲线中的应用
- 研究问题
- 当两样本中一个总体的信息更充分、可采用参数模型时，如何利用这种不对称信息改进分位数比较及相关推断？
- 方法与思路
- 作者对一个总体采用参数建模，对另一个总体采用非参数建模，研究半参数样本分位数比较函数的大样本性质。
- 材料陈述的贡献
- 摘要称，该方法的渐近方差可明显小于非参数方法，尤其在边界附近，并讨论两样本检验和受试者工作特征曲线应用。
- 阅读关注点
- 应核对参数模型的适用条件、方差比较成立的范围，以及边界附近推断和受试者工作特征曲线应用的具体构造。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明模型误设的影响、具体正则条件或有限样本改善幅度。
原文摘要
In studies to compare two samples, more information may be available on one treatment than the other. When one population is modelled parametrically and the other nonparmetrically, we study large sample properties of a semiparametric sample quantile comparison function and show that it can have substantially smaller asymptotic variance than its nonparametric counterpart, especially near the boundaries. We describe applications to both two-sample tests and receiver operating characteristic curves.