Testing the Rank of a Matrix with Applications to the Analysis of Interaction in ANOVA
矩阵秩检验及其在方差分析交互作用中的应用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：摘要讨论一般矩阵秩检验与实验方差分析，未提供所列经济计量细分方向的直接依据。
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
矩阵秩检验及其在方差分析交互作用中的应用
- 研究问题
- 如何检验期望矩阵的秩，并将其用于双因素实验的交互作用检验，以识别常规 F 检验可能不敏感的备择？
- 方法与思路
- 作者研究零秩对指定秩的似然比检验，以及零秩对秩至少达到指定值的并交检验，并应用于交互作用参数矩阵。
- 材料陈述的贡献
- 摘要称，两类统计量的渐近分布相同；并交检验的小样本零假设分布可计算，且在某些备择下比通常的 F 检验更有力。
- 阅读关注点
- 应核对矩阵与误差模型的假设、不同秩备择的含义，以及精确分布和功效比较的适用范围、分位数表的计算方法。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出分布假设或具体功效结果，不能认为秩检验对所有备择均更有力。
原文摘要
This article develops some general theory for testing the rank of a matrix. Applications include tests of interaction in two-factor experiments that are more powerful than the usual F test for certain reasonable alternatives. The particular tests studied are (a) the likelihood ratio (LR) test of rank(M) = 0 versus rank(M) = r, where M is a matrix of expectations, and (b) the union-intersection (UI) test of rank(M) = 0 versus rank(M) ≥ r. In the two-factor application, M is the a X b matrix of interaction parameters. The UI test that the interaction has rank = 0 versus rank ≥ 1 is a simultaneous test that all product interaction contrasts are zero. It is shown that the asymptotic distributions of the UI and LR test statistics are identical. A distinct advantage of the UI test is that the small-sample null distribution of the test statistic is known and can be computed. Tables of exact percentiles of the UI test statistic for testing rank(M) = 0 against rank(M) ≥ 1 are given. The UI test is illustrated by testing the rank of a matrix of interaction parameters in a two-factor experiment.