Asymptotic Deficiencies of One-Sample Rank Tests Under Restricted Adaptation
受限自适应下单样本秩检验的渐近亏损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：摘要研究秩检验的一般渐近理论，未提供与所列经济计量细分方向直接相关的证据。
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
受限自适应下单样本秩检验的渐近亏损
- 研究问题
- 当秩检验的得分函数只能在给定单参数族内由样本估计时，自适应检验相对固定得分检验的渐近性能如何？
- 方法与思路
- 作者以渐近亏损比较两类检验，研究得分函数及其参数估计量的条件，并分析与样本峰度相关的一类估计量。
- 材料陈述的贡献
- 摘要称，在给定条件下，渐近亏损收敛到有限极限，并给出该极限；对与样本峰度相关的估计量获得显式结果。
- 阅读关注点
- 应核对亏损的定义、参数估计量与得分函数须满足的条件，以及峰度相关估计量的构造和显式结果的适用范围。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；具体条件、极限表达式与有限样本表现未说明，不能推断刊本变化。
原文摘要
In this paper we consider adaptive one-sample rank tests of the following type: the score function $J$ of the test is estimated from the sample under the restriction that $J \in \mathscr{J}$, for some given one-parameter family $\mathscr{J} = \{J_r, r \in I \subset R^1\}$. Using deficiencies, we compare the performance of such tests to that of rank tests with fixed scores. Conditions on the estimator $S$ of the parameter $r$ and on $J_r$ are given, under which the deficiency tends to a finite limit, which is obtained. For a particular class of estimators which are related to the sample kurtosis, explicit results are obtained.