Rank-Based Analysis of the Heteroscedastic Linear Model
异方差线性模型的秩方法分析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：摘要研究通用异方差回归与秩推断，未给出所列领域细分的直接应用依据。
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…
关注这篇论文的作者
异方差线性模型的秩方法分析
- 研究问题
- 当线性模型的尺度随响应变化时，如何同时估计回归系数与尺度，并形成兼顾异方差和稳健性的统计推断程序？
- 方法与思路
- 作者先用初始秩估计的残差反演尺度秩检验，再计算加权秩回归与最终尺度估计，并推导渐近线性展开和标准误估计。
- 材料陈述的贡献
- 摘要称，加权秩估计与已知尺度下的最优秩估计具有相同渐近分布，并给出系数、尺度及同质性检验的推断方法。
- 阅读关注点
- 阅读时应核对尺度模型、迭代步骤与秩评分函数，以及可行加权估计获得所述渐近分布的条件和模拟所覆盖的情形。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；尺度函数、正则条件和模拟结果未提供，不能据此断言对任意异方差均有效。
原文摘要
Heteroscedasticity often causes problems in the analysis of linear models. Frequently for such cases, scale is a function of the response. Here, for such models, a methodology is presented based on well-known rank-based procedures. The procedure is iterative. Using the residuals from an initial R estimate of the regression coefficients, scale is estimated by inverting a linear rank test for scale. This in turn leads to a weighted R estimate of the regression coefficients and then to a final estimate of scale. Asymptotic linearity results for these estimates are derived, from which their asymptotic distribution is obtained. The weighted R estimate has the same asymptotic distribution as the optimal (known scale) R estimate; hence it is efficiently robust. Consistent estimates of the standard errors of the R estimates of scale and the regression coefficients are determined. Based on these results, a complete inference for the regression coefficients and the scale parameter is realized, including a test for homogeneity. The procedure is illustrated by the analysis of a dose—response data set drawn from pharmaceutical science. Results of a simulation study that support the asymptotic theory are reported.