On Distribution-Free Rank Tests for Two-Way Layouts
双向布局中的分布无关秩检验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：摘要研究双向统计布局中的主效应秩检验，未明确涉及因果识别、面板数据或其他所列细分领域。
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
双向布局中的分布无关秩检验
- 研究问题
- 在无交互作用且每格有多个观测的双向布局中，如何检验主效应，并在不同渐近框架下选择高效率的秩评分？
- 方法与思路
- 作者研究基于秩评分的统计量，分别推导区组数增长和单元格样本量增长时的原假设及备择渐近分布。
- 材料陈述的贡献
- 摘要称比较了两种渐近情形的效率，并在区组数增长时证明可针对给定分布选择达到最高渐近相对效率的评分。
- 阅读关注点
- 应核对无交互作用及观测条件、两种渐近框架的差别，以及最优评分如何依赖分布和实际实施方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；最优性针对给定分布及特定渐近框架，不能解释为通用小样本最优，不能推断刊本变化。
原文摘要
A class of distribution-free statistics using scores based on ranks for testing main effects in two-way layouts, with no interactions and more than one observation per cell, is discussed. Asymptotic distributions are developed under the null and alternative hypotheses for the case in which cell size is fixed and the number of blocks is allowed to become large, and as cell size becomes large with the number of blocks fixed. Efficiencies are considered under both asymptotic situations. We show that under the case in which the number of blocks becomes large, it is possible to choose a set of scores that is optimal in the sense of achieving the highest possible asymptotic relative efficiency for a given distribution.