Asymmetric Dependence Measurement and Testing
非对称依赖关系的度量与检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主要讨论通用依赖度量和检验，虽提及因果方向，但未明确因果识别设计或特定应用，现有细分证据不足。
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
非对称依赖关系的度量与检验
- 研究问题
- 两个变量之间的依赖强度是否必须对称，以及如何对具有方向差异的广义相关系数进行统计推断和单侧检验？
- 方法与思路
- 作者围绕非对称广义相关系数矩阵 R*，结合相关系数的精确抽样分布与自助法构造推断，并讨论方向已知时的单侧检验。
- 材料陈述的贡献
- 摘要称，论文为 R* 提出统计推断程序，并主张在方向已知时，所提非对称单侧检验具有更高功效；比较范围需由全文核实。
- 阅读关注点
- 应核对广义相关系数的定义、精确分布适用的抽样条件、自助法的有效性，以及方向性依赖与因果方向之间的逻辑区别。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实。摘要未说明有效性与功效比较的具体条件，也未提供由依赖识别因果的依据。
原文摘要
Measuring the (causal) direction and strength of dependence between two variables (events), Xi and Xj , is fundamental for all science. Our survey of decades-long literature on statistical dependence reveals that most assume symmetry in the sense that the strength of dependence of Xi on Xj exactly equals the strength of dependence of Xj on Xi. However, we show that such symmetry is often untrue in many real-world examples, being neither necessary nor sufficient. Vinod's (2014) asymmetric matrix R* in [-1, 1] of generalized correlation coefficients provides intuitively appealing, readily interpretable, and superior measures of dependence. This paper proposes statistical inference for R* using Taraldsen's (2021) exact sampling distribution of correlation coefficients and the bootstrap. When the direction is known, proposed asymmetric (one-tail) tests have greater power.