摘要:
[英]为了根据多个特征轻松比较多个总体,可以使用多元变异系数(MCV),因为它们可以总结单个指数中的相对离散度。然而,到目前为止,文献中还没有对一个或多个MCV的平等性进行测试。本文提出并研究了几种经典的稳健Wald型试验。在椭圆对称性下导出了测试统计量的渐近分布,并将稳健版本的渐近效率与经典测试进行了比较。通过测试统计量的部分影响函数以及功率和水平影响函数来检验所提程序的稳健性。仿真研究比较了经典检验和稳健检验在无污染方案和污染方案下的性能,并强调了与常规协方差齐性检验的差异。作为一种副产品,这些测试也可以在单变量环境中考虑,在这种环境中,它们产生的程序既健壮又易于使用。它们为文献中存在的单变量变异系数比较的众多参数测试提供了一种有趣的替代方法,在大多数情况下,这些参数测试在存在离群值的情况下是不可靠的。这些方法在实际数据集上进行了说明。