A Conditionally Distribution-Free Multivariate Sign Test for One-Sided Alternatives
面向单侧备择的条件分布无关多元符号检验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：摘要研究一般多元位置的单侧检验，未提供所列经济计量细分领域的直接应用或模型依据。
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
面向单侧备择的条件分布无关多元符号检验
- 研究问题
- 对于多元位置向量是否位于正正交域的问题，如何构造条件分布无关的符号检验，并计算可用于实践的条件 P 值？
- 方法与思路
- 作者提出与 Hodges 检验相关、可由并交原则解释的符号检验，刻画条件零分布，并在二维情形推导精确表达。
- 材料陈述的贡献
- 摘要称，该检验在很弱的假设下有效，给出操作步骤和二维精确条件 P 值；模拟显示其在多种分布模型中具有竞争力。
- 阅读关注点
- 核对原假设与备择的方向、条件化所依据的信息及最低分布假设，并检查二维公式、高维实施和模拟比较设置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出所谓很弱的假设或模拟数值，不能据此认定对所有分布有效或更优。
原文摘要
We consider the problem of testing the hypothesis that a multivariate location vector is in the positive orthant. A conditionally distribution-free sign test is proposed for this problem. This test is related to the Hodges test and can be motivated by the union–intersection principle. Moreover, it is valid under very mild assumptions. A characterization of the conditional null distribution of the test statistic is given. We provide a step-by-step procedure that can be used to perform the test in practice. In the bivariate case, an explicit formula for the exact null conditional distribution of the test statistic is derived. This conditional distribution can be used to compute exact conditional P values. A simulation study compares the new test to some competitors, including the likelihood ratio test. The results show that the new test is very competitive for a wide variety of distributional models. A real data example illustrating the use of the test is also presented.