Ensemble Subsampling for Imbalanced Multivariate Two-Sample Tests
用于样本量不平衡多元两样本检验的集成子抽样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：核心是通用多元分布两样本检验，企业金融应用未明确涉及所列金融细分。
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
用于样本量不平衡多元两样本检验的集成子抽样
- 研究问题
- 在比较两个多元分布时，如何避免样本量严重不平衡导致部分非参数检验功效下降，并有效利用较大样本？
- 方法与思路
- 作者基于最近邻检验设计集成子抽样方案，将多个随机子样本的统计量加权平均，并推导零假设下的渐近分布。
- 材料陈述的贡献
- 摘要称样本量比趋于有限极限或无穷时检验均具有一致性；模拟中固定较小样本后，功效随样本量比增加而提高。
- 阅读关注点
- 应核对子抽样规模、次数与权重选择，渐近结论对两组样本增长的要求，以及固定小样本模拟中的检验水平控制。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；未列出定理条件或数值结果，企业金融实例不足以确立特定金融领域分类。
原文摘要
Some existing nonparametric two-sample tests for equality of multivariate distributions perform unsatisfactorily when the two sample sizes are unbalanced. In particular, the power of these tests tends to diminish with increasingly unbalanced sample sizes. In this article, we propose a new testing procedure to solve this problem. The proposed test, based on the nearest neighbor method by Schilling, employs a novel ensemble subsampling scheme to remedy this issue. More specifically, the test statistic is a weighted average of a collection of statistics, each associated with a randomly selected subsample of the data. We derive the asymptotic distribution of the test statistic under the null hypothesis and show that the new test is consistent against all alternatives when the ratio of the sample sizes either goes to a finite limit or tends to infinity. Via simulated data examples we demonstrate that the new test has increasing power with increasing sample size ratio when the size of the smaller sample is fixed. The test is applied to a real-data example in the field of corporate finance. Supplementary materials for this article are available online.