Robust analysis of variance based upon a likelihood ratio criterion
基于似然比准则的稳健方差分析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：摘要研究一般线性模型的稳健检验与方差分析，未提供因果识别、面板结构或其他所列领域细分的明确文本依据。
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…
基于似然比准则的稳健方差分析
- 研究问题
- 如何在线性模型中为一般线性假设构造稳健检验，并形成类似经典平方和分解的方差分析，使检验性质与相应 M 估计相联系？
- 方法与思路
- 作者构造与 M 估计对应的似然比型检验，并据其构造将数据分解为类似经典平方和的项，以形成稳健方差分析。
- 材料陈述的贡献
- 摘要称，所构造检验具有与其所依据 M 估计相同的渐近效率和稳健性性质，并提供类似经典方差分析的数据分解方式。
- 阅读关注点
- 核对损失函数和 M 估计的选择、似然比型统计量的定义、各分解项的解释，以及效率和稳健性结论使用的条件与度量。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；稳健性取决于所依据的 M 估计，不能推断对任意异常值、异方差或相关误差均有效。
原文摘要
Robust tests of general linear hypotheses in linear models are developed. These are likelihood ratio type tests in the same sense that M -estimates are maximum likelihood type estimates. Construction of the tests suggests a decomposition of the data into terms analogous to classical sums of squares, providing a robust analysis of variance. Asymptotic efficiency and robustness properties of the tests are the same as those of the M -estimates upon which they are based.