Tie-Break Bootstrap for Nonparametric Rank Statistics
非参数秩统计量的破平局自助法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：摘要以通用秩统计量和 copula 推断为核心，收入依赖示例与时间序列扩展不足以明确归入所列领域细分。
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
非参数秩统计量的破平局自助法
- 研究问题
- 对标准化秩进行有放回重抽样时产生的并列值，如何影响经验 copula 与秩统计量的分布近似，又如何改进？
- 方法与思路
- 作者在经典秩重抽样后加入小扰动以打破并列值，构造经验 copula 的自助程序，并讨论向时间序列框架扩展。
- 材料陈述的贡献
- 摘要称这一简单修改改善有限样本表现，可用于一般秩统计量，并展示夫妻收入数据中的多种依赖性质检验。
- 阅读关注点
- 应核对扰动大小的选择、自助法有效性的条件、时间依赖下的重抽样设计，以及有限样本比较的基准和指标。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要解读；摘要未给出扰动规则、有效性条件或改善幅度，也不能推断后续刊本变化。
原文摘要
In this article, we propose a new bootstrap procedure for the empirical copula process. The procedure involves taking pseudo samples of normalized ranks in the same fashion as the classical bootstrap and applying small perturbations to break ties in the normalized ranks. Our procedure is a simple modification of the usual bootstrap based on sampling with replacement, yet it provides noticeable improvement in the finite sample performance. We also discuss how to incorporate our procedure into the time series framework. Since nonparametric rank statistics can be treated as functionals of the empirical copula, our proposal is useful in approximating the distribution of rank statistics in general. As an empirical illustration, we apply our bootstrap procedure to test the null hypotheses of positive quadrant dependence, tail monotonicity, and stochastic monotonicity, using U.S. Census data on spousal incomes in the past 15 years.