Combined Rank Tests for Randomly Censored Paired Data
随机删失配对数据的组合秩检验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：摘要讨论通用删失配对样本的秩检验，没有明确对应给定经济计量细分方向的研究内容。
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
随机删失配对数据的组合秩检验
- 研究问题
- 面对随机删失的配对观测，如何利用删失与未删失信息构造秩检验，并刻画零假设和局部备择下的分布？
- 方法与思路
- 作者分别对删失和未删失观测排序后组合统计量，使用合并样本中的秩之差而非差值的秩，以纳入区组间信息。
- 材料陈述的贡献
- 摘要称作者获得新统计量在零假设及相邻位置备择下的渐近分布，并给出针对特定备择的评分和真实数据比较。
- 阅读关注点
- 应核对删失与配对依赖的假设、两类秩统计量如何组合，以及所称最优评分对应的位置或尺度备择与比较标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；摘要未详述删失机制和有限样本性质，数据示例不足以确认普遍优势。
原文摘要
Many authors have dealt with the problem of extending ordinary two-sample rank tests to cases where censoring occurs. Albers and Akritas (1987) proposed simple tests for this purpose, based on the idea of making separate rankings for uncensored and censored observations and subsequently combining the resulting two rank statistics. Similarly, some papers appeared that studied the problem of censoring for the paired-data case rather than the two-sample case. This article indicates how the approach of Albers and Akritas can be adapted to the paired-data case. The tests involved are not based on the ranks of the differences, but the differences of the ranks in the pooled sample. In this way, use is made of interblock information. The asymptotic distribution of the new statistic is obtained under the null hypothesis and contiguous location alternatives. By way of example, Wilcoxon- and Savage-type scores are introduced that are optimal for logistic location and exponential scale alternatives, respectively. The two corresponding tests are applied to some real data, and comparisons are made with the results obtained with competing tests on the same data set.