多偏倚抽样模型中的距离相关性

统计学中检验随机向量之间的独立性是一个基本问题。距离相关性是一种最近流行的依赖性度量，对所有具有有限矩的分布都具有普遍一致性，用于检验独立性。然而，当数据受到选择偏差或来自多个来源或方案时，可能产生虚假的相关性。这就需要能够有效利用来自不同来源的数据并纠正这些偏差的方法。本文我们研究了在多偏倚抽样模型下估计距离协方差和距离相关性，这些模型为解决这些问题提供了自然的框架。我们建立了距离协方差和相关性估计量的理论属性，包括强一致性和渐近空分布，以及在接近原假设的备择序列下检验统计量发散的速率。我们提出了一种加权置换程序来确定独立性检验的临界值。模拟研究表明，我们的方法在改善距离相关性估计和提高检验功效方面都有所提高。