High-Dimensional MANOVA Via Bootstrapping and Its Application to Functional and Sparse Count Data
基于 Bootstrap 的高维多元方差分析及函数与稀疏计数数据应用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：摘要研究通用高维均值比较及函数和计数数据，未明确落入所列经济计量应用细分。
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…
基于 Bootstrap 的高维多元方差分析及函数与稀疏计数数据应用
- 研究问题
- 当多个总体的均值向量维度很高时，如何同时检验多对均值是否相等，并构造可靠的差值同时置信区域？
- 方法与思路
- 作者对样本均值向量差的最大值统计量实施 bootstrap，通过同时置信区域进行检验，并利用应用中的方差衰减结构。
- 材料陈述的贡献
- 摘要称在方差衰减条件下，高斯近似、bootstrap 近似及检验大小获得无维度依赖且接近参数速率的收敛结果。
- 阅读关注点
- 核对方差衰减的具体要求、最大值统计量的标准化、多个总体间依赖处理，以及维度无关速率中的其余常数和条件。
- 阅读边界
- 摘要未给出完整条件、具体速率及应用数值，无维度依赖结论不能脱离方差衰减等条件理解。来源为版本未注明的 OpenAlex 索引摘要，刊本变化未知。
原文摘要
We propose a new approach to the problem of high-dimensional multivariate ANOVA via bootstrapping max statistics that involve the differences of sample mean vectors. The proposed method proceeds via the construction of simultaneous confidence regions for the differences of population mean vectors. It is suited to simultaneously test the equality of several pairs of mean vectors of potentially more than two populations. By exploiting the variance decay property that is a natural feature in relevant applications, we are able to provide dimension-free and nearly parametric convergence rates for Gaussian approximation, bootstrap approximation, and the size of the test. We demonstrate the proposed approach with ANOVA problems for functional data and sparse count data. The proposed methodology is shown to work well in simulations and several real data applications.