Rank-Sum Tests for Clustered Data
聚类数据的秩和检验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：摘要明确以秩方法比较两组及多组总体，直接对应分布比较方向。
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
聚类数据的秩和检验
- 研究问题
- 当观测存在簇内相关、同簇成员可能分属不同组时，如何进行两组或多组总体比较并扩展经典秩检验？
- 方法与思路
- 作者构造适用于聚类数据的秩和检验，扩展到三个及以上总体，并用于遗传标记与数量性状位点的关联检验。
- 材料陈述的贡献
- 摘要称方法允许同簇成员属于不同组，也允许簇内相关随组别变化，并提供类似 Kruskal–Wallis 的多组推广。
- 阅读关注点
- 应核对总体相等的原假设含义、簇间与簇内依赖条件、方差估计方式，以及跨组簇成员和相关异质性的处理。
- 阅读边界
- 所给为版本未注明的 OpenAlex 索引摘要；有效性条件、样本量要求和功效结果未说明，关联检验不构成因果识别。
原文摘要
The Wilcoxon rank-sum test is widely used to test the equality of two populations, because it makes fewer distributional assumptions than parametric procedures such as the t-test. However, the Wilcoxon rank-sum test can be used only if data are independent. When data are clustered, tests based on generalized estimating equations (GEEs) that generalize the t-test have been proposed. Here we develop a rank-sum test that can be used when data are clustered. As an application, we use our rank-sum test to develop a nonparametric test of association between a genetic marker and a quantitative trait locus. We also give a rank-sum test for equivalence of three or more populations that generalizes the Kruskal–Wallis test to situations with clustered data. Unlike previous rank tests for clustered data, our proposal is valid when members of the same cluster belong to different groups, or when the correlation between cluster members differs across groups.