.png){kind=icon}
返回
General multiple tests for functional data
.png){kind=icon}
OA
AI
DOI：10.1007/s10182-025-00549-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
虽然存在几种用于分析因子设计中的函数数据的推断方法，但缺乏在一般设计中有效（i）的统计检验，这些检验在数据生成过程的非限制性假设下（ii）有效，并允许一致的事后分析（iii）。具体而言，大多数现有方法假设正态性或组间协方差函数相等（同方差性），且仅适用于不允许评估交互作用的具体研究设计。此外，迄今为止发表的几乎所有策略都旨在检验全局假设，而不直接允许对多个局部假设进行更深入的分析。为解决前两个问题（i-ii），我们提出了灵活的积分型检验统计量，这些统计量在数据生成过程的最小假设下适用于一般因子设计。具体而言，我们既不假设同方差性也不假设正态性。为近似统计量的零分布，我们采用重采样方法并在方法学上进行验证。最后，我们利用我们的灵活检验框架（iii）同时推断多个局部零假设。为允许强大的数据分析，我们 thereby 考虑了不同局部检验统计量之间的复杂依赖关系。在广泛的模拟中，我们证实新方法具有灵活的适用性。两个说明性数据分析完成了我们的研究。新的检验程序已实现在R包multiFANOVA中，该包可在CRAN上获取。
Keyword:
Analysis of variance (ANOVA)
Functional data
FANOVA
Heteroscedasticity
Multiple testing
Resampling
期刊
A
IF:
1.4
论文数:
24
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
Testing the equality of several covariance functions for functional data: A supremum-norm based test
PREAI
分享收藏分享收藏
查看更多内容