The Asymptotic Efficiency of Daniels’s Generalized Correlation Coefficients
Daniels广义相关系数的渐近效率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：摘要研究相关系数检验的一般效率理论，未明确提供分布效应或其他计量细分的依据。
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
Daniels广义相关系数的渐近效率
- 研究问题
- Daniels广义相关系数用于检验二元关联时，其渐近效率怎样取决于评分矩阵，在不同备择类别下如何达到最大效率？
- 方法与思路
- 作者分析评分矩阵与渐近效率的关系，考察标准形式下行和成比例的系数，并讨论单个系数及加权组合的效率。
- 材料陈述的贡献
- 摘要称，在所述备择下，符合行和比例条件的系数具有相同效率，包括Spearman系数与Kendall备选系数；更一般备择需加权组合。
- 阅读关注点
- 应核对备择分布的具体类别、评分矩阵标准形式、渐近效率定义，以及最大效率在单系数族与加权组合中的适用范围。
- 阅读边界
- 仅据所给Crossref摘要；效率相同及最大效率均有特定备择范围，摘要不足以判断所有关联结构或有限样本下的检验表现。
原文摘要
SUMMARY The asymptotic efficiency of the generalized correlation coefficient devised by Daniels, used as a test of association in the bivariate function H(x, y) = F(x) G(y) {1 + αA(x) B(y)}, is shown to depend in a simple way on the score-matrices used to define the coefficient. Two coefficients for which the corresponding row sums of the two score-matrices, written in a standard form, are proportional are shown to have the same asymptotic efficiency. In particular, this is shown to be true for Spearman’s rank correlation coefficient and Kendall’s alternative coefficient, τ. For alternatives of the above type, maximum efficiency can be obtained within Daniels’s family of coefficients; for a more general class of alternatives a weighted combination of Daniels’s coefficients is necessary to attain maximum asymptotic efficiency.