Testing independence for sparse longitudinal data
稀疏纵向数据的独立性检验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：摘要研究稀疏纵向函数数据的独立性，未明确采用面板效应模型或其他所列细分方法。
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
稀疏纵向数据的独立性检验
- 研究问题
- 两条随机函数轨迹在每个个体上仅有少量、不规则且带噪观测时，如何检验独立性，以及能够检验的是何种独立性？
- 方法与思路
- 作者积分逐点距离协方差构造统计量，证明其按一定速率收敛到刻画同时逐点独立性的总体量，并开展模拟与真实数据分析。
- 材料陈述的贡献
- 摘要称在稀疏函数观测下检验同时逐点独立性是可行的，给出统计量的收敛结果，并以蒙特卡洛模拟和真实数据验证表现。
- 阅读关注点
- 应核对同时逐点独立性与随机函数整体独立性的区别，以及稀疏采样、测量噪声、平滑估计和检验校准所需条件。
- 阅读边界
- 仅据所给 Crossref 摘要，不能把同时逐点独立性等同于完整轨迹独立性；具体收敛速率、零分布和功效条件未说明。
原文摘要
Abstract With the advance of science and technology, more and more data are collected in the form of functions. A fundamental question for a pair of random functions is to test whether they are independent. This problem becomes quite challenging when the random trajectories are sampled irregularly and sparsely for each subject. In other words, each random function is only sampled at a few time-points, and these time-points vary with subjects. Furthermore, the observed data may contain noise. To the best of our knowledge, there exists no consistent test in the literature to test the independence of sparsely observed functional data. We show in this work that testing pointwise independence simultaneously is feasible. The test statistics are constructed by integrating pointwise distance covariances (Székely et al., 2007) and are shown to converge, at a certain rate, to their corresponding population counterparts, which characterize the simultaneous pointwise independence of two random functions. The performance of the proposed methods is further verified by Monte Carlo simulations and analysis of real data.