Two-Sample Asymptotically Distribution-Free Tests for Incomplete Multivariate Observations
不完整多元观测的两样本渐近分布无关检验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：摘要明确把同一受试者的多次观测、纵向研究及重复测量列为重要应用，因此与面板数据方向直接相关。
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
不完整多元观测的两样本渐近分布无关检验
- 研究问题
- 当多元观测存在删失或缺失，且两组缺失模式可能不同时，如何检验两组分布相同，尤其用于纵向重复测量？
- 方法与思路
- 作者针对删失多元观测构造渐近分布无关的两样本检验，通过选择检验得分得到多元Gehan与log-rank版本。
- 材料陈述的贡献
- 摘要称方法允许两组具有不同的缺失模式，可用于重复测量和生长曲线等纵向研究，并提供实际例子说明。
- 阅读关注点
- 应核对删失与缺失各自所需的机制条件、同一受试者多次观测的处理，以及不同得分对应的检验目标与功效。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；允许不同缺失模式不等于允许任意缺失机制，完整条件和刊本变化均未说明。
原文摘要
Asymptotically distribution-free tests for equality of two multivariate distributions based on censored observations are proposed. By choosing appropriate test scores, we obtain the multivariate versions of the Gehan and log-rank tests. An important application of the proposed tests is in the area in which multiple observations are collected on study subjects, some of whom may have missing observations. The patterns of missing observations are allowed to differ for the two groups to be compared. These tests are particularly useful for longitudinal studies—for example, the analysis of repeated measurements and growth curves. Real examples are also provided for illustration.