Nonparametric inference for stochastic linear hypotheses: Application to high-dimensional data
随机线性假设的非参数推断及高维应用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：摘要研究通用多组多元非参数检验，未明确涉及分位数、经济分布效应或其他所列领域。
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
随机线性假设的非参数推断及高维应用
- 研究问题
- 如何突破秩和检验仅比较两组单变量响应的限制，在不建模响应分布的情况下，对多个多元响应组进行同时比较？
- 方法与思路
- 作者定义一类随机线性假设，基于 U 统计量理论和交换性假设构造非参数推断，其中交换性用于确定高维响应的可检验假设。
- 材料陈述的贡献
- 摘要称，方法把比较扩展到多个多元响应组，无需对响应分布建模，并以两项真实数据应用展示所提出的推断框架。
- 阅读关注点
- 应核对随机线性假设的参数含义、交换性作用于哪些对象，以及高维下可检验性、同时比较与误差控制的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明维度增长、交换性范围或应用结论，不能将组间比较解释为因果效应。
原文摘要
The Mann–Whitney–Wilcoxon rank sum test is limited to comparison of two groups with univariate responses. In this paper, we introduce a class of stochastic linear hypotheses that addresses these limitations within a nonparametric setting. We formulate hypotheses for simultaneous comparisons of several, multivariate response groups, without modelling the response distributions. Inference is developed based on U‐statistics theory and an exchangeability assumption. The latter condition is required to identify testable hypotheses for high‐dimensional response vectors, such as those arising in genomic and psychosocial research. The methodology is illustrated with two real‐data applications.