Tests of Partial Correlation in a Linear Model
线性模型中的偏相关检验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：摘要讨论一般线性模型中的偏相关检验，没有因果识别、面板或其他所列细分方向的明确内容。
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
线性模型中的偏相关检验
- 研究问题
- 在包含两个干扰参数的三变量线性模型中，如何构造偏相关检验，使其渐近分布不依赖于未知的总体分布？
- 方法与思路
- 作者用干扰参数的一致估计量变换观测值，再构造修正的 Kendall 与 Spearman 相关系数，并分析渐近性质和模拟表现。
- 材料陈述的贡献
- 摘要提出两种渐近分布无关的偏相关检验，提供统计量渐近性质的论述及计算机模拟结果，但未报告具体表现。
- 阅读关注点
- 应核对观测变换如何处理干扰参数、代入估计对极限分布的影响，以及分布无关性成立的条件和模拟检验水平。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；摘要未列出模型条件、极限分布或模拟数值，渐近分布无关不等于有限样本精确。
原文摘要
Two asymptotically distribution-free tests of partial correlation in a trivariate linear model are proposed. The model includes two nuisance parameters, and the tests use modified varsions of Kendall's and Spearman's correlation coefficients for transformed values of the observations, where the transformation is chosen to eliminate the nuisance parameters by using consistent estimators of them. Some arguments about the asymptotic properties of the statistics and computer simulation results are given.