An improved bootstrap test of stochastic dominance
改进的随机占优自助法检验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：摘要直接研究随机占优，即分布之间的排序及其统计检验。
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…
改进的随机占优自助法检验
- 研究问题
- 如何在随机占优检验中处理有限维或无限维未知参数，使检验在原假设下统一控制渐近尺寸，并改善功效表现？
- 方法与思路
- 作者设计自助法以模拟原检验极限分布的不连续性，允许检验变量来自非参数或半参数模型的估计残差。
- 材料陈述的贡献
- 摘要称在正则条件下，渐近尺寸统一不超过名义水平，并刻画恰好达到该水平的分布集合；模拟显示功效改善。
- 阅读关注点
- 应核对随机占优的阶数、残差估计的影响、统一尺寸控制所需条件，以及模拟中尺寸与功效改善的比较范围。
- 阅读边界
- 仅据所给出版社摘要，尺寸保证是有条件的渐近结果；正则条件和模拟数值未说明，不能认定有限样本中普遍占优。
原文摘要
We propose a new method of testing stochastic dominance that improves on existing tests based on the standard bootstrap or subsampling. The method admits prospects involving infinite as well as finite dimensional unknown parameters, so that the variables are allowed to be residuals from nonparametric and semiparametric models. The proposed bootstrap tests have asymptotic sizes that are less than or equal to the nominal level uniformly over probabilities in the null hypothesis under regularity conditions. This paper also characterizes the set of probabilities so that the asymptotic size is exactly equal to the nominal level uniformly. As our simulation results show, these characteristics of our tests lead to an improved power property in general. The improvement stems from the design of the bootstrap test whose limiting behavior mimics the discontinuity of the original test's limiting distribution.