Inference using near-neighbour trimmed rank statistics for simple linear regression models
简单线性回归中基于近邻截尾秩统计量的推断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：摘要研究一般简单线性回归的秩推断，未明确涉及因果、面板、预测或其他所列领域。
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…
关注这篇论文的作者
简单线性回归中基于近邻截尾秩统计量的推断
- 研究问题
- 能否用计算负担较小的修正秩统计量进行简单线性回归推断，并达到更复杂方法的渐近效率及相近的有限样本表现？
- 方法与思路
- 作者修改基于 Kendall 的 tau 与 Spearman 的 rho 的统计量，分析相应检验与估计，并使用有限样本效率度量比较。
- 材料陈述的贡献
- 摘要称这些检验的渐近效率可与计算量明显更大的统计量相当，有限样本结果较接近渐近结果，估计也有类似表现。
- 阅读关注点
- 核对近邻截尾与秩统计量的构造、回归误差条件、比较方法及效率定义，并检查有限样本一致性判断的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要没有截尾规则、计算复杂度或效率数值，不能推断所有回归设定下都有效。
原文摘要
For the simple linear regression model, modified versions of statistics based on Kendall's tau and Spearman's rho are introduced. It is shown that tests based on these statistics can be as efficient asymptotically as those based on statistics which require substantially more computation. In addition, a measure of finite sample efficiency is used to show that the asymptotic results agree quite closely with those for finite sample sizes. Similar results are obtained for estimation.