Multivariate-Sign-Based High-Dimensional Tests for the Two-Sample Location Problem
基于多变量符号的高维两样本位置检验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：摘要讨论通用高维两样本位置检验，没有明确的因果或分布效应研究对象，因此不强行映射至所列领域。
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
基于多变量符号的高维两样本位置检验
- 研究问题
- 当数据维度超过样本量时，如何修正位置参数估计带来的偏差，使多变量符号检验更好地控制第一类错误？
- 方法与思路
- 作者利用留一法构造新的两样本位置检验统计量，研究其渐近性质，并通过模拟比较检验大小和功效。
- 材料陈述的贡献
- 摘要称统计量具有尺度不变性，并在所述模拟中改善高维多变量符号检验的大小控制，同时表现出较好的功效。
- 阅读关注点
- 应核对位置差异的检验目标、留一法如何消除偏差、尺度不变性的准确含义，以及维度与样本量增长条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；分布条件、临界值构造和模拟结果未具体说明，不能确认任意高维数据中的稳健性或推断刊本变化。
原文摘要
This article concerns tests for the two-sample location problem when data dimension is larger than the sample size. Existing multivariate-sign-based procedures are not robust against high dimensionality, producing tests with Type I error rates far away from nominal levels. This is mainly due to the biases from estimating location parameters. We propose a novel test to overcome this issue by using the “leave-one-out” idea. The proposed test statistic is scalar-invariant and thus is particularly useful when different components have different scales in high-dimensional data. Asymptotic properties of the test statistic are studied. Compared with other existing approaches, simulation studies show that the proposed method behaves well in terms of sizes and power. Supplementary materials for this article are available online.