On boosting the power of Chatterjee’s rank correlation
提升 Chatterjee 秩相关检验的功效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：摘要研究通用秩相关与独立性检验，未给出因果、网络或其他所列计量领域的直接依据。
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…
提升 Chatterjee 秩相关检验的功效
- 研究问题
- 能否保留 Chatterjee 秩相关对原依赖度量的一致估计，同时改善其针对局部备择进行独立性检验时的效率？
- 方法与思路
- 作者在相关系数构造中纳入多个右侧最近邻，替代原方法较少的邻居信息，以增强独立性检验对局部差异的敏感度。
- 材料陈述的贡献
- 摘要称，改进量仍一致估计同一依赖度量，并在高斯旋转备择下可证明达到接近参数方法的检验效率。
- 阅读关注点
- 应核对右侧最近邻的定义、邻居数选择及增长条件、检验校准方式，并确认近参数效率所针对的备择类别。
- 阅读边界
- 仅据所给 Crossref 摘要；效率提升明确针对高斯旋转备择，其他局部备择及有限样本优势的具体范围未说明。
原文摘要
Summary The ingenious approach of Chatterjee (2021) to estimate a measure of dependence first proposed by Dette et al. (2013) based on simple rank statistics has quickly caught attention. This measure of dependence has the appealing property of being between 0 and 1, and being 0 or 1 if and only if the corresponding pair of random variables is independent or one is a measurable function of the other almost surely. However, more recent studies (Cao & Bickel 2020; Shi et al. 2022b) showed that independence tests based on Chatterjee’s rank correlation are unfortunately rate inefficient against various local alternatives and they call for variants. We answer this call by proposing an improvement to Chatterjee’s rank correlation that still consistently estimates the same dependence measure, but provably achieves near-parametric efficiency in testing against Gaussian rotation alternatives. This is possible by incorporating many right nearest neighbours in constructing the correlation coefficients. We thus overcome the ‘ only one disadvantage’ of Chatterjee’s rank correlation (Chatterjee, 2021, § 7).