Grouping for Testing Trends in Categorical Data
分类数据趋势检验中的分组方法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：摘要研究一般分类数据的趋势检验与分组优化，未提供归入所列计量细分领域的充分依据。
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
分类数据趋势检验中的分组方法
- 研究问题
- 当研究者希望检验分类变量随连续变量变化的趋势时，应怎样划分连续变量，并选择组数，以提高检验的渐近效率？
- 方法与思路
- 作者以检验的渐近效率为分组优化目标，分别考察均匀、正态和指数分布下的最优区间，并研究组数选择及分组稳健性。
- 材料陈述的贡献
- 摘要称给出了三类分布在二至六组情形下的最优分组，并讨论组数与稳健性，以及这一数学问题在其他研究中出现的原因。
- 阅读关注点
- 阅读全文时应核对趋势检验的具体形式、效率比较的基准、最优分组所依赖的条件，以及稳健性考察允许哪些分布偏离。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出分组界点、检验条件或稳健性结果，不能推断其他分布下的表现。
原文摘要
In many studies there is believed to be a trend in a categorical variate with a continuous variate. Often in these cases it is desired to test for the trend using k groups formed from the continuous variable. This article is concerned with the grouping problem where the goal is essentially to maximize the asymptotic efficiency of the test. Optimal classes are given for k = 2, 3, 4, 5 and 6 for the uniform, normal and exponential distributions. Also, the number of groups to use and the “robustness” of the optimal grouping are investigated. It is noted that the “mathematical problem” in determining the optimal classes appears in other studies; a rationale for this is presented.