Permutation Tests for Comparing Inequality Measures
比较不平等指标的置换检验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：摘要直接研究广义熵、阿特金森与基尼等分布不平等指标的比较检验，因此归入分位数与分布效应方向。
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…
比较不平等指标的置换检验
- 研究问题
- 当总体分布具有重尾、常规渐近与自助检验在有限样本中表现不佳时，如何可靠检验两个样本对应的不平等指标是否相等？
- 方法与思路
- 作者提出蒙特卡洛置换与自助检验，并引入重缩放；方法覆盖广义熵、阿特金森与基尼指数，同时分析有限样本和渐近有效性条件。
- 材料陈述的贡献
- 摘要报告，上尾足够接近时模拟可获得尺寸正确的推断，更一般情形下尺寸扭曲减轻，学生化重缩放置换检验在所比较方法中功效较高。
- 阅读关注点
- 核对置换与自助检验有效性的具体条件、上尾接近程度如何界定，以及重缩放和学生化的构造与模拟比较范围。
- 阅读边界
- 摘要未列出完整有效性条件、样本规模或模拟设定；重尾下的尺寸控制有适用边界，功效优势也仅针对文中比较的方法与情形。
原文摘要
Asymptotic and bootstrap tests for inequality measures are known to perform poorly in finite samples when the underlying distribution is heavy-tailed. We propose Monte Carlo permutation and bootstrap methods for the problem of testing the equality of inequality measures between two samples. Results cover the Generalized Entropy class, which includes Theil’s index, the Atkinson class of indices, and the Gini index. We analyze finite-sample and asymptotic conditions for the validity of the proposed methods, and we introduce a convenient rescaling to improve finite-sample performance. Simulation results show that size correct inference can be obtained with our proposed methods despite heavy tails if the underlying distributions are sufficiently close in the upper tails. Substantial reduction in size distortion is achieved more generally. Studentized rescaled Monte Carlo permutation tests outperform the competing methods we consider in terms of power.