Use of cumulative efficient scores for testing ordered alternatives in discrete models
用累积有效得分检验离散模型中的有序备择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：摘要讨论通用离散模型的有序假设检验，未涉及选择行为；离散模型一词不足以支持离散选择分类。
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
用累积有效得分检验离散模型中的有序备择
- 研究问题
- 研究各类离散模型中具有顺序限制的备择假设如何检验，以及如何把多维单侧检验的理论思路扩展到这些模型。
- 方法与思路
- 作者引入基于累积有效得分的统计量，将程序视为多维单侧备择下正态完全类引理的自然扩展，并分析局部渐近功效。
- 材料陈述的贡献
- 摘要称提出适用于多种离散模型的有序备择检验统计量，并给出其局部渐近功效；具体模型和统计量形式未在摘要展开。
- 阅读关注点
- 应核对顺序限制针对哪些参数、有效得分如何处理干扰参数，以及统计量校准、完全类关系和局部备择序列的定义。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；局部功效不等于有限样本或全局最优性，适用模型及相关正则条件均未说明。
原文摘要
Statistics based on cumulative efficient scores are introduced for testing ordered alternatives in various discrete models. The procedure is regarded as a natural extension of a normal complete class lemma for multidimensional one-sided alternatives. Local asymptotic powers of the proposed statistics are given.