Multiple Comparison Procedures in the Analysis of Covariance
协方差分析中的多重比较程序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：摘要核心是协方差分析的同时推断，受控实验示例不足以说明因果识别方法，故不归入因果推断。
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
协方差分析中的多重比较程序
- 研究问题
- 在协方差分析中，随机协变量的均值向量不同时，极差型多重比较程序能否仍给出有效的对比同时置信区间？
- 方法与思路
- 作者给出允许协变量均值向量不同的条件，以受控市场实验举例，并考察 Duncan 临界值及相对 Scheffé 方法的效率。
- 材料陈述的贡献
- 摘要称，论文放宽了既有程序对协变量同分布的要求，提供 Duncan 多重极差检验的临界值，并研究方法间效率。
- 阅读关注点
- 应核对允许均值差异的条件、对比与区间的覆盖定义，以及效率比较标准，并查看市场实验如何满足这些条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；放宽条件和效率比较结论未具体给出，也未说明实验的因果识别设计。
原文摘要
Currently available range-type procedures for constructing simultaneous confidence intervals on contrasts in analysis of covariance (ANCOVA) models with random covariates assume that the vectors of covariates associated with the observations are identically distributed. Conditions are given under which the mean vectors of these covariates may differ without affecting the validity of such procedures. An example of a controlled test market experiment illustrates the usefulness of the relaxed assumptions in practice. Critical values for Duncan's multiple-range test in ANCOVA and an investigation of the efficiency of range-type procedures relative to Scheffé's method are included.