Asymptotic Permutation Tests in General Factorial Designs
一般因子设计中的渐近置换检验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：摘要涉及通用因子设计与置换检验，未明确对应因果识别、面板或其他所列领域。
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…
一般因子设计中的渐近置换检验
- 研究问题
- 在允许异方差且不指定误差分布的一般因子设计中，如何改善Wald型检验的小样本近似，并保留渐近有效性？
- 方法与思路
- 作者对Wald型统计量采用修正置换方法，覆盖交叉和层级嵌套设计，分析置换分布并通过模拟比较有限样本表现。
- 材料陈述的贡献
- 摘要称该置换检验渐近有效，在可交换条件下具有有限样本精确性，并报告了与其他程序的小样本模拟比较。
- 阅读关注点
- 应核对修正置换如何处理异方差、渐近结论的条件、可交换性的适用范围，以及模拟中的样本量与因子水平设置。
- 阅读边界
- 仅依据Crossref摘要；有限样本精确性附有可交换条件，摘要未报告模拟数值，不能声称所有一般设计下都精确或更优。
原文摘要
Summary In general factorial designs where no homoscedasticity or a particular error distribution is assumed, the well-known Wald-type statistic is a simple asymptotically valid procedure. However, it is well known that it suffers from a poor finite sample approximation since the convergence to its χ 2 limit distribution is quite slow. This becomes even worse with an increasing number of factor levels. The aim of the paper is to improve the small sample behaviour of the Wald-type statistic, maintaining its applicability to general settings as crossed or hierarchically nested designs by applying a modified permutation approach. In particular, it is shown that this approach approximates the null distribution of the Wald-type statistic not only under the null hypothesis but also under the alternative yielding an asymptotically valid permutation test which is even finitely exact under exchangeability. Finally, its small sample behaviour is compared with competing procedures in an extensive simulation study.