A consistent multivariate test of association based on ranks of distances
基于距离秩的一致多元关联检验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：摘要讨论通用多元独立性检验，未提供足以归入所列经济计量细分方向的依据。
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
基于距离秩的一致多元关联检验
- 研究问题
- 如何检测任意维度随机向量之间的依赖关系，并使独立性检验能够对所有依赖备择保持一致性，是摘要关注的问题。
- 方法与思路
- 作者提出基于距离秩的关联检验，摘要称其形式简单、易于实现且适用于所有维度，但未给出统计量和校准方法。
- 材料陈述的贡献
- 摘要称该检验对所有依赖备择具有一致性且检验功效良好；具体成立条件、比较对象及功效证据均未在摘要中展开。
- 阅读关注点
- 阅读全文时应核对距离秩如何构造、检验如何控制显著性水平，以及任意维度和所有备择的一致性结论所需条件。
- 阅读边界
- 仅据版本未注明的索引摘要解读，不能核验一致性证明或功效优势，也不能推断其他稿件或刊本版本的变化。
原文摘要
We consider the problem of detecting associations between random vectors of any dimension. Few tests of independence exist that are consistent against all dependent alternatives. We propose a powerful test that is applicable in all dimensions and consistent against all alternatives. The test has a simple form, is easy to implement, and has good power.