A nonparametric test for equality of distributions with mixed categorical and continuous data
混合分类与连续数据的分布相等非参数检验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：摘要直接研究密度与条件密度相等检验，并应用于收入和教育的联合分布。
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…
混合分类与连续数据的分布相等非参数检验
- 研究问题
- 当变量同时包含离散分类与连续成分时，如何检验两组密度或条件密度是否相同，并改善有限样本检验表现？
- 方法与思路
- 作者同时平滑离散与连续变量，用最小二乘交叉验证选择平滑参数，推导正态零假设极限并证明自助法有效性。
- 材料陈述的贡献
- 摘要称，所提检验在模拟中比频数检验及任意选取平滑参数的方法功效更好，并以收入和教育联合分布作示例。
- 阅读关注点
- 应核对混合变量的核函数、交叉验证规则、条件密度比较的对象，以及自助抽样步骤与模拟功效比较的设定。
- 阅读边界
- 仅据所给出版社摘要，不能判断不同维度、类别稀疏程度或样本量下的表现；功效改善的具体范围和数值未说明。
原文摘要
In this paper we consider the problem of testing for equality of two density or two conditional density functions defined over mixed discrete and continuous variables. We smooth both the discrete and continuous variables, with the smoothing parameters chosen via least-squares cross-validation. The test statistics are shown to have (asymptotic) normal null distributions. However, we advocate the use of bootstrap methods in order to better approximate their null distribution in finite-sample settings and we provide asymptotic validity of the proposed bootstrap method. Simulations show that the proposed tests have better power than both conventional frequency-based tests and smoothing tests based on ad hoc smoothing parameter selection, while a demonstrative empirical application to the joint distribution of earnings and educational attainment underscores the utility of the proposed approach in mixed data settings.