Statistical Tests Based on Transformed Data
基于变换数据的统计检验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：摘要研究一般线性模型中的变换与检验，未提供因果、面板或其他所列方向的直接依据。
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
基于变换数据的统计检验
- 研究问题
- 在线性模型检验中，若数据变换包含需要由同一数据估计的未知参数，这一步会怎样影响检验水平与功效？
- 方法与思路
- 作者分析估计变换参数后的渐近检验性质，研究 Box-Cox 变换的效率，并模拟两样本、回归和变换后截尾均值检验。
- 材料陈述的贡献
- 摘要称，某些检验的渐近水平与功效如同变换参数已知；模拟中变换后的截尾 t 检验在所考察偏态模型中表现良好。
- 阅读关注点
- 应核对哪些检验问题享有参数已知般的渐近性质、变换参数如何估计，以及截尾比例和模拟模型对功效比较的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。结论限于特定检验问题与模拟模型，具体条件和功效数值未说明，不能推断任意变换均无估参代价。
原文摘要
The problem of testing hypotheses in linear models when the original data have been transformed is considered. It is assumed that the transformation involves an unknown parameter that has to be estimated from the data. For certain important testing problems it is found that the asymptotic level and power is as if λ had been assumed known. Asymptotic efficiency results show that when the Box-Cox transformation is used, tests based on transformed data have good power properties. Simulation results for transformed two-sample and linear regression testing problems show this to be true for moderate to small sample sizes as well. In particular, an α-trimmed t test based on averages of trimmed transformed variables performs very well in both light-tailed and heavy-tailed skew models when compared with the usual t test and rank tests.