×
孔晓丽；所罗门·W·哈勒。

弱条件下的高维MANOVA。 （英语） Zbl 1473.62254号

统计 55，编号2，321-349（2021）.
本文属于大数据分析范畴。当总体协方差矩阵不相等时，高维均值向量的比较是讨论的主要主题。处理了大尺寸和大样本的情况。首先，当总体协方差矩阵为非负定时，比较两维均值向量。然后，通过使用与二维情况类似的程序，将结果推广到（k）总体的情况。本文还使用了以前工作人员使用的一致渐近正态检验统计量。本文放宽了早期工人使用的人口的依赖条件。本文件还对早期工人使用的程序进行了一些简化。在较弱的相关性条件下，建立了检验统计量的渐近正态性。结果表明，本文的程序和结果适用于轮廓分析中平行度和重合度（平面度）假设的检验。此外，还对轮廓分析中的平行性进行了仿真研究。借助于平行假设的模拟数据，提供了多元正态、多元t、多元污染正态和多元对数正态情况下的1类错误率表。还使用仿真结果进行了功率比较。
审核人：Arakaparampil M.Mathai（蒙特利尔）

引用于2文件

MSC公司：

62J10型 方差和协方差分析（ANOVA）
62H10型 统计的多元分布
62H15型 多元分析中的假设检验
62E20型 统计学中的渐近分布理论
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

大数据分析；均值向量相等性的检验；未知协方差矩阵；高维和大样本情况；椭圆轮廓分布；剖面分析；平行性和一致性测试
PDF格式BibTeX公司 XML格式引用
\textit｛X.Kong｝和\textit｛S.W.Harrar｝，《统计》55，第2期，321-349（2021年；兹bl 1473.62254）
全文： 内政部

参考文献：

[1] 阿联酋登普斯特。，高维双样本显著性检验，Ann Math Stat，29，4，995-1010（1958）·Zbl 0226.62014号
[2] 阿联酋登普斯特。，两个高度多元小样本分离的显著性检验，Biometrics，16，1，41-50（1960）·Zbl 0218.62065号
[3] Bai，Z。；Saranadasa，H.，《高维效应：以两样本问题为例》，Stat Sin，6，2，311-329（1996）·Zbl 0848.62030号
[4] 陈，S。；Qin，Y.，高维数据的双样本检验及其在基因集测试中的应用，Ann Stat，38，2808-835（2010）·Zbl 1183.62095号
[5] 胡，J。；Bai，Z。；Wang，C.，《关于用不相等协方差矩阵检验高维平均向量的相等性》，《Ann Inst Stat Math》，69，2，365-387（2017）·Zbl 1396.62106号
[6] 正义与发展党戈什；Biswas，M.，基于区分超平面的无分布高维两样本检验，TEST，25，3，525-547（2016）·Zbl 06833261号
[7] Wang，L。；彭，B。；Li，R.，均值向量的高维非参数多元检验，美国统计协会杂志，110，512，1658-1669（2015）·Zbl 1373.62280号
[8] 山田，T。；Himeno，T.，《在高维异方差下检验均值向量的同质性》，《多元分析杂志》，139,7-27（2015）·Zbl 1320.62132号
[9] 周，B。；郭杰。；张杰，异方差下的高维一般线性假设检验，J Stat Plan Inference，188，36-54（2017）·Zbl 1391.62100号
[10] M.青岛。；Yata，K.，高维强峰值特征值模型的双样本检验，Stat Sin，28，43-62（2018）·Zbl 1382.62028号
[11] 蔡，TT；Xia，Y.，高维稀疏MANOVA，J Multivar Anal，131174-196（2014）·Zbl 1298.62090号
[12] 蔡，TT；刘伟。；Xia，Y.，依赖性高维均值的两样本检验，J R Stat Soc:Ser B（Stat Methodol），76，2，349-372（2014）·Zbl 07555454号
[13] 陈，S。；Li，J.等人。；Zhong，P.，高维均值的双样本和方差分析测试，Ann Stat，47，3，1443-1474（2019）·Zbl 1417.62147号
[14] 冯·L。；邹，C。；Wang，Z.，高维数据的双样本Behrens-Fisher问题，Stat Sin，251297-1312（2015）·Zbl 1377.62144号
[15] 格雷戈里，KB；卡罗尔，RJ；Baladadayuthapani，V.，《高维平均数相等的双样本检验》，《美国统计协会杂志》，110，510，837-849（2015）·Zbl 1373.62274号
[16] Srivastava，理学硕士；Kubokawa，T.，非正态下高维方差的多元分析检验，《多元分析杂志》，115，204-216（2013）·Zbl 1294.62127号
[17] 张杰。；郭杰。；周，B.，基于l2-形式的高维简单双样本测试，美国统计协会，1151011-1027（2020）·Zbl 1445.62123号
[18] Yang，X.先生。；Yang，X.先生。；Teo，KL.，矩阵迹不等式，数学分析应用杂志，263，1327-331（2001）·Zbl 0995.15015号
[19] 周，B。；郭杰。；Chen，J.，椭圆分布高维数据平均向量的自适应空间符号检验，Stat Interface，12，1，93-106（2019）·Zbl 06980035号
[20] RJ·缪尔黑德，《多元统计理论的方面》（1982），纽约（NY）：纽约州威利·兹伯利0556.62028
[21] 方，KT；Zhang，Y.，广义多元分析（1990），柏林：施普林格出版社，柏林·Zbl 0724.62054号
[22] 方，KT；科茨，S。；Ng，KW.，《对称多元及相关分布》（1990），伦敦：查普曼和霍尔出版社，伦敦·Zbl 0699.62048号
[23] Mardia，KV，《多元偏度和峰度的测量及其应用》，《生物统计学》，57，3，519-530（1970）·Zbl 0214.46302号
[24] Anderson，TW.，《多元统计分析导论》（2003），纽约（NY）：Wiley·Zbl 1039.62044号
[25] 哈拉尔，西南部；Bathke，AC，《不平衡多元数据和多因素水平的非参数方法》，《多元分析杂志》，99，8，1635-1664（2008）·Zbl 1144.62031号
[26] 孔，X。；西南部哈拉尔。，基于高维秩的推理，《非参数统计杂志》，32，2，294-322（2020）·Zbl 1442.62069号
[27] 张，C。；Bai，Z。；Hu，J.，高维协方差矩阵的多样本检验，公共统计理论方法，48，13，3161-3177（2018）·Zbl 1508.62152号
[28] AM马泰；教务长，SB；Hayakawa，T.，双线性形式和地带多项式（1995），纽约（NY）：Springer，纽约（纽约）·Zbl 0832.62044号
[29] 宾夕法尼亚州汉南。，多重时间序列（1970），纽约（NY）：Wiley·Zbl 0211.49804号
[30] 安德鲁斯，华盛顿州。，异方差和自相关一致协方差矩阵估计，《计量经济学》，59，3，817-858（1991）·Zbl 0732.62052号
[31] Yaskov，P.，二次型方差不等式及其应用，《数学方法统计》，24，4，309-319（2015）·Zbl 1334.60096号
[32] 霍尔，P。；Heyde，CC.，鞅极限理论及其应用（1980），学术出版社·Zbl 0462.60045号
[33] 陈，S。；张，L。；Zhong，P.，《高维协方差矩阵的测试》，美国统计协会杂志，105，490，810-819（2010）·Zbl 1321.62086号
[34] Li，J.等人。；Chen，S.，高维协方差矩阵的两个样本检验，Ann Stat，40，2，908-940（2012）·Zbl 1274.62383号
[35] Himeno，T。；Yamada，T.，非正态下高维协方差矩阵某些函数的估计及其应用，J Multivar Ana，130，27-44（2014）·Zbl 1292.62043号
[36] Hyodo，M.，《高维椭圆种群多群剖面分析的平行性和平坦性假设检验》，《多变量分析杂志》，162，82-92（2017）·Zbl 1381.62114号
[37] Harrar，西南；Kong，X.，具有不等协方差矩阵的高维多变量重复测量分析，J Multivar Anal，145，1-21（2016）·Zbl 1331.62267号
[38] 冯·L。；Sun，F.，关于高维两样本测试的注释，Stat Probab Lett，105，29-36（2015）·Zbl 1327.62352号
[39] 冯·L。；邹，C。；Wang，Z.，双样本位置问题的基于多变量符号的高维检验，美国统计协会，111，514，721-735（2016）
[40] Srivastava，理学硕士；片山，S。；Kano，Y.，《高维数据的双样本检验》，《多变量分析杂志》，114349-358（2013）·Zbl 1255.62165号
[41] Shiryaev，A.，《概率》（2015），纽约（NY）：纽约州斯普林格（Springer）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。