A Regression Framework for Rank Tests Based on the Probabilistic Index Model
基于概率指数模型的秩检验回归框架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：摘要提供通用秩检验与效应量建模框架，未明确涉及因果、分位数或所列其他专门计量场景。
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
基于概率指数模型的秩检验回归框架
- 研究问题
- 如何把常见秩检验纳入统一的统计模型，使分析既能进行假设检验，也能估计具有直观解释的效应量并构造新的检验？
- 方法与思路
- 作者以概率指数模型建立回归框架，将 Wilcoxon–Mann–Whitney、Kruskal–Wallis 和 Friedman 等秩检验嵌入其中。
- 材料陈述的贡献
- 摘要称，该框架可统一解释多种经典秩检验、构造新的秩检验，并提供具有信息性解释的效应量估计，帮助理解数据差异。
- 阅读关注点
- 应核对概率指数的定义、各经典检验与模型的对应条件，以及效应量解释、协变量处理和新检验的适用样本结构。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，材料非常简短，未说明具体估计方法、渐近条件或性能比较；刊本变化未核验。
原文摘要
We demonstrate how many classical rank tests, such as the Wilcoxon–Mann–Whitney, Kruskal–Wallis, and Friedman test, can be embedded in a statistical modeling framework and how the method can be used to construct new rank tests. In addition to hypothesis testing, the method allows for estimating effect sizes with an informative interpretation, resulting in a better understanding of the data. Supplementary materials for this article are available online.