Testing for Normal Errors in Designs with Many Blocks
大量区组设计中的正态误差检验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：摘要研究实验设计中的残差拟合优度检验，大量区组不等于面板数据，所列领域分类证据不足。
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
大量区组设计中的正态误差检验
- 研究问题
- 在拟合参数很多的实验设计中，如何检验误差同方差且正态的假设，并在参数个数随样本量线性增长时建立有效的渐近依据？
- 方法与思路
- 作者研究标准化残差经验过程的协方差展开，给出三种拟合优度统计量的渐近临界值，并用 Monte Carlo 研究辅助表格使用。
- 材料陈述的贡献
- 摘要称提供 Cramér–von Mises、Watson 与 Anderson–Darling 统计量的临界值，并在所述单因素设计下建立弱收敛结果。
- 阅读关注点
- 应核对单因素设计的区组及样本配置、残差标准化方式、参数增长条件，以及临界值表和模拟研究适用的设计范围。
- 阅读边界
- 仅据版本未注明的索引摘要；弱收敛明确针对特定单因素设计，区组规模条件和模拟结果未提供，不能推广到任意高维回归。
原文摘要
Goodness-of-fit tests are provided for the assumption of homoscedastic normal errors in experimental designs where the number of fitted parameters is large. Asymptotic critical points are given for the Cramér-von Mises statistic, Watson's statistic and the Anderson-Darling statistic. An expansion of the covariance function of the empirical process of standardized residuals is given. The corresponding weak convergence result is established for one-way layouts when the number of parameters grows linearly with the sample size. A Monte Carlo study is given to aid in the use of the tables.