Nonparametric models and methods for nonlinear analysis of covariance
非线性协方差分析的非参数模型与方法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：摘要讨论非参数协方差分析和统计效应检验，未提供因果识别、分布效应或其他所列细分方向的充分依据。
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
非线性协方差分析的非参数模型与方法
- 研究问题
- 在协变量影响可能非线性且不同因子水平组合下形状不同的情形中，如何定义并检验调整协变量后的主效应和交互作用？
- 方法与思路
- 作者提出不限制响应分布为参数或半参数模型的协方差分析，使用 Nadaraya–Watson 型非参数回归量构造效应检验。
- 材料陈述的贡献
- 摘要称定义了协变量调整后的主效应、交互作用和简单效应假设，给出渐近卡方检验，并报告模拟功效及两个数据应用。
- 阅读关注点
- 应核对调整效应的定义、平滑量与检验统计量的完整构造，以及带宽、正则条件如何支持零假设下的渐近卡方分布。
- 阅读边界
- 版本未注明的索引摘要中有一句统计量构造描述不完整，需查阅原文；具体条件未说明，调整协变量不能自动建立因果解释。
原文摘要
A fully nonparametric model for nonlinear analysis of covariance is proposed. The term nonlinear means that the covariate influences the response in a possibly nonlinear and nonpolynomial fashion, while the term fully nonparametric implies that the distributions for each factor level combination and covariate value are not restricted to comply with any parametric or semiparametric model. The possibility of different shapes of covariate effect in different factor level combinations is also allowed. This generality is useful whenever modelling assumptions such as proportional odds, or linearity and homoscedasticity appear suspect. In the context of this nonparametric model hypotheses, of no main effect, no interaction and no simple effect, which adjust for the covariate values are defined and test statistics are developed. Both the response and the covariate values of certain Nadaraya-Watson-type nonparametric regression quantities and asymptotically they have, under their respective null hypotheses, a central χ2-distribution. Simulation results show that the statistics have good power properties. The procedure are demonstrated on two real datasets.