Likelihood Based Inference Using Signed Ranks for Matched Pairs
利用符号秩对匹配对进行似然推断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：摘要研究匹配对的符号秩似然方法，未明确讨论因果识别、分位数效应或其他所列专门方向。
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
利用符号秩对匹配对进行似然推断
- 研究问题
- 对相互独立的匹配对，能否仅利用对内差值的符号秩构造似然推断，并以快速近似替代精确计算？
- 方法与思路
- 作者基于符号秩产生的边际似然采用贝叶斯思路，构造涉及 Wilcoxon 与半正态得分符号秩的近似。
- 材料陈述的贡献
- 摘要称近似在正态差值设定下表现很好，在逻辑斯谛差值下较弱，并将方法扩展到匹配对回归模型。
- 阅读关注点
- 应核对边际似然保留的信息、先验设定、近似误差的衡量方式，以及分布变化和回归扩展所需的条件。
- 阅读边界
- 仅据所给 Crossref 摘要；数值误差及应用细节未给出，匹配对与符号秩推断本身不构成因果识别依据。
原文摘要
SUMMARY Exact and approximate inference based on the marginal likelihood which results from the signed ranks of the within pair differences of independent matched pairs is considered. Inference is made using Bayesian ideas. A quickly computed approximate analysis is introduced and this is shown to be extremely good when the within pair differences are assumed to have a normal distribution. Numerical comparisons are also made when the differences have a logistic distribution, but for this case the approximation is not as good. The approximations involve the Wilcoxon signed rank statistic and the half-normal scores signed rank statistic. The approximation is extended to consider regression models for matched pairs data. An application is given illustrating the ideas.