On the multivariate Behrens-Fisher problem
多元Behrens–Fisher问题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：摘要研究通用多元假设检验，缺乏所列经济计量细分的直接依据。
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…
多元Behrens–Fisher问题
- 研究问题
- 在多维Behrens–Fisher问题中，三种既有统计程序的实际显著性水平与功效表现如何，比较结果是否随情形改变？
- 方法与思路
- 作者比较Yao的近似自由度方法、James的渐近级数方法和Bennett对单变量解法的推广，并用蒙特卡洛研究水平与功效。
- 材料陈述的贡献
- 摘要提供了针对三类既有程序的模拟比较框架，关注显著性水平与功效函数，但没有说明哪种方法表现更优。
- 阅读关注点
- 应核对维度、样本量及协方差设置，区分水平失真与功效差异，并查看比较是否在相同实际拒绝水平下进行。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；模拟设计、数值结果及优劣结论未说明，不能据此选择最佳程序。
原文摘要
This paper is concerned with the relative merits of statistical procedures for the classical Behrens-Fisher problem in the p-dimensional case. There are three such methods considered here: (i) the approximate degrees-of-freedom solution put forward by Yao (1965), (ii) James's (1954) asymptotic series solution and (iii) Bennett's (1951) extension of Soheffé's (1943) solution to the univariate problem. Monte-Carlo studies are made of the level of significance and power function.