Inequality Orderings, Normalized Stochastic Dominance, and Statistical Inference
不平等排序、归一化随机占优与统计推断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：摘要明确研究不平等排序、随机占优与分布比较，并以CPS数据展示方法，直接对应分位数与分布效应方向中的分布分析。
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…
不平等排序、归一化随机占优与统计推断
- 研究问题
- 如何用归一化随机占优对不同分布的不平等程度排序，并建立相应的大样本统计推断，以评估排序证据的不确定性？
- 方法与思路
- 作者以标准随机占优为基础引入归一化随机占优，推导其大样本性质，并提供渐近分布自由的推断程序及高阶推广。
- 材料陈述的贡献
- 摘要称该方法可推广至更高阶占优以增强分布排序能力，并给出大样本推断方法；应用使用了1970—1990年的CPS数据。
- 阅读关注点
- 核对归一化方式、不平等排序与高阶占优之间的关系，以及渐近分布自由结论的成立条件和CPS应用中的比较对象。
- 阅读边界
- 摘要未给出归一化公式、抽样条件或有限样本表现，也未报告CPS应用的具体排序结果；作者所称排序能力仍须据全文评估。
原文摘要
This article derives large-sample properties and provides asymptotically distribution-free statistical inference procedures for an alternative approach to inequality orderings—normalized stochastic dominance (NSD). NSD is a straightforward extension of standard dominance techniques. As such, it can be generalized to higher orders of dominance, thereby providing a more powerful technique for ranking distributions. We illustrate the NSD method by applying it to Current Population Survey data for 1970–1990.