统计及其接口

第13卷（2020年）

编号1

高维数据中$k$样本均值线性假设的检验

页：27 – 36

内政部：https://dx.doi.org/10.4310/SII.2020.v13.n1.a3

作者

曹明祥（安徽师范大学统计系，安徽芜湖，中国）

孙鹏（安徽师范大学统计系，安徽芜湖，中国；和华东师范大学统计学院KLATASDS-MOE，中国上海）

何道江（安徽师范大学统计系，安徽芜湖，中国）

王瑞（北京理工大学统计系，中国北京）

Xingzhong Xu（北京理工大学统计系，中国北京）

摘要

本文提出了一种新的检验方法来检验具有异方差的高维正态模型中样本均值向量的线性假设。其动机是基于广义似然比方法和贝内特变换。在温和条件下，在零假设和局部替代假设下，导出了新检验的渐近分布。仿真结果表明，新测试能够合理控制标称水平，在某些情况下比竞争测试具有更大的威力。此外，数值研究表明，我们提出的检验也可以应用于非正态数据。

关键词

高维数据，线性假设，$k$-样本，广义似然比法，贝内特变换。

2010年数学学科分类

初级62H15。次要62E20。

全文（PDF格式）

曹的研究得到了国家自然科学基金（No.1160100811526070）和安徽师范大学博士创业基金（No.2016XJJ101）的资助。

他的研究得到了国家自然科学基金（No.11201005）的资助。

徐的研究得到了国家自然科学基金（No.11471035）的资助。

收到日期：2018年11月25日

2019年7月9日接受

2019年11月7日出版