Heteroscedastic One-Way ANOVA and Lack-of-Fit Tests
异方差单因素方差分析与失拟检验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：摘要研究一般异方差分组比较与回归失拟检验，组数增加并不等于面板结构，缺乏所列细分的直接依据。
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
异方差单因素方差分析与失拟检验
- 研究问题
- 当组数不断增加且各组方差不同时，如何建立方差分析和失拟检验，并处理组内样本量较小的情形？
- 方法与思路
- 作者研究加权与非加权统计量，通过投影原理分析二次型的渐近分布，并考察局部备择下失拟检验的性质。
- 材料陈述的贡献
- 摘要称，新非加权统计量可用于小组样本；加权统计量的渐近近似要求组样本量相对组数足够快地增长。
- 阅读关注点
- 应核对组数和组样本量的联合渐近条件、权重构造方式，以及与无重复观测平滑失拟检验相似性的具体含义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出所需增长速度、矩条件或局部备择下的功效表达。
原文摘要
Recent articles have considered the asymptotic behavior of the one-way analysis of variance (ANOVA) F statistic when the number of levels or groups is large. In these articles, the results were obtained under the assumption of homoscedasticity and for the case when the sample or group sizes ni remain fixed as the number of groups, a, tends to infinity. In this article, we study both weighted and unweighted test statistics in the heteroscedastic case. The unweighted statistic is new and can be used even with small group sizes. We demonstrate that an asymptotic approximation to the distribution of the weighted statistic is possible only if the group sizes tend to infinity suitably fast in relation to a. Our investigation of local alternatives reveals a similarity between lack-of-fit tests for constant regression in the present case of replicated observations and the case of no replications, which uses smoothing techniques. The asymptotic theory uses a novel application of the projection principle to obtain the asymptotic distribution of quadratic forms.