Rank-Based Procedures in Factorial Designs: Hypotheses About Non-Parametric Treatment Effects
因子设计中的秩方法：关于非参数处理效应的假设检验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：摘要属于一般因子设计的非参数检验，未明确涉及所列因果识别、分位数或分布效应等细分方向。
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…
因子设计中的秩方法：关于非参数处理效应的假设检验
- 研究问题
- 如何在一般因子设计中直接检验具有明确含义的非参数处理效应，并处理不平衡设计与异方差带来的推断困难？
- 方法与思路
- 作者研究秩与伪秩效应估计量的联合分布，构造方差分析型统计量，并提出三种近似方法处理其渐近非枢轴性。
- 材料陈述的贡献
- 摘要称所提方法在不平衡和异方差模型中较准确地控制第一类错误率，并简要讨论向一般重复测量设计的扩展。
- 阅读关注点
- 应核对非参数处理效应的定义、秩与伪秩的差别、三种近似的适用条件，以及模拟中样本配置与误差控制表现。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断近似成立的完整条件、有限样本保证或重复测量扩展细节，也不能推断其他版本的变化。
原文摘要
Summary Existing tests for factorial designs in the non-parametric case are based on hypotheses formulated in terms of distribution functions. Typical null hypotheses, however, are formulated in terms of some parameters or effect measures, particularly in heteroscedastic settings. Here this idea is extended to non-parametric models by introducing a novel non-parametric analysis-of-variance type of statistic based on ranks or pseudoranks which is suitable for testing hypotheses formulated in meaningful non-parametric treatment effects in general factorial designs. This is achieved by a careful detailed study of the common distribution of rank-based estimators for the treatment effects. Since the statistic is asymptotically not a pivotal quantity we propose three different approximation techniques, discuss their theoretic properties and compare them in extensive simulations together with two additional Wald-type tests. An extension of the presented idea to general repeated measures designs is briefly outlined. The rank- and pseudorank-based procedures proposed maintain the preassigned type I error rate quite accurately, also in unbalanced and heteroscedastic models.