Two-sample and ANOVA tests for high dimensional means
高维均值的两样本与 ANOVA 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：摘要研究通用高维均值检验，未明确涉及金融因子、因果效应或其他给定细分方向。
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
高维均值的两样本与 ANOVA 检验
- 研究问题
- 当两个高维均值向量仅在少量坐标上存在微弱差异时，如何通过降噪和信号增强改善均值相等检验的检测能力？
- 方法与思路
- 作者构造 L₂ 型检验，用阈值化去除无信号维度以降低方差，并借助精度矩阵变换增强信号，还讨论多样本扩展。
- 材料陈述的贡献
- 摘要称阈值化和数据变换带来有利的检测边界，并明确分析精度矩阵估计对边界的影响，另以数值研究展示理论与实现。
- 阅读关注点
- 应核对稀疏性与弱信号设定、阈值选择和协方差条件，以及精度矩阵估计误差怎样进入检测边界与多样本检验。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未提供检测边界公式、维数增长条件或数值结果，不能将有利边界解释为对所有稀疏或稠密备择均占优。
原文摘要
This paper considers testing the equality of two high dimensional means. Two approaches are utilized to formulate $L_{2}$-type tests for better power performance when the two high dimensional mean vectors differ only in sparsely populated coordinates and the differences are faint. One is to conduct thresholding to remove the nonsignal bearing dimensions for variance reduction of the test statistics. The other is to transform the data via the precision matrix for signal enhancement. It is shown that the thresholding and data transformation lead to attractive detection boundaries for the tests. Furthermore, we demonstrate explicitly the effects of precision matrix estimation on the detection boundary for the test with thresholding and data transformation. Extension to multi-sample ANOVA tests is also investigated. Numerical studies are performed to confirm the theoretical findings and demonstrate the practical implementations.