析因设计中多元变异系数的所有变体的推断
统计方法学
2023-01-31 v1
摘要
多元变异系数(MCV)是多元数据离散程度中一种有吸引力且易于解释的效果量。最近,Ditzhaus和Smaga(2022)针对一般析因设计(涵盖k样本设定以及复杂的高维布局)提出了首批MCV推断方法。然而,两个问题尚待解决:(1)关于MCV推断方法的理论主要针对一种特殊的MCV变体推导,而存在若干合理的变体提案。(2)在析因设计中拒绝全局原假设后,通常高度关注进行更深入的分析以找出导致上述拒绝的MCV特定对比。在本文中,我们通过以下方式解决这两个问题:首先,将上述非参数置换过程扩展到其他MCV变体;其次,提出一种用于事后分析的极大化检验。为改善后者的小样本性能,我们提出了一种新颖的学生化自助法策略,并证明了其渐近有效性。所有所提检验和事后程序的实际性能在广泛的模拟研究中进行了比较,并通过真实数据分析加以说明。
引用
@article{arxiv.2301.12009,
title = {Inference for all variants of the multivariate coefficient of variation in factorial designs},
author = {Marc Ditzhaus and Łukasz Smaga},
journal= {arXiv preprint arXiv:2301.12009},
year = {2023}
}