发表机构
University of Macau; Columbia University; Two Sigma Investments（澳门大学; 哥伦比亚大学; Two Sigma投资公司）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
针对 Chatterjee 相关性估计的有限复制方差缺口，提出分块秩聚合方法 BRACE，通过局部块替代相邻比较并平均块内秩差，在可容许块大小下达到信息界，并提供方差估计与置信区间。
AI 中文摘要
Chatterjee 的估计量在每个内部观测点仅使用两次局部比较，在固定备择假设下留下了有限复制方差缺口。我们引入 BRACE，即用于相关性估计的分块秩聚合（blockwise rank aggregation for correlation estimation），该方法用局部块替代相邻比较，并平均每个块内的所有秩差。块大小控制有限局部复制的方差成本。一个 L2 展开将响应-秩统计量的有效一阶分量与正交的有限复制分量分离。对于可容许的发散块大小，后者消失，因此直接秩估计量达到信息界。该分解在固定备择假设下产生一致的方差估计量和 Wald 置信区间。在独立性下，有效一阶项消失，所提出的估计量进入二阶机制，其中同一因子控制其零方差。
英文摘要
Chatterjee's estimator uses only two local comparisons per interior observation, leaving a finite-replication variance gap under fixed alternatives. We introduce BRACE, short for blockwise rank aggregation for correlation estimation, which replaces adjacent comparisons with local blocks and averages every within-block rank difference. The block size controls the variance cost of finite local replication. An L2 expansion separates the efficient first-order component of the response-rank statistic from an orthogonal finite-replication component. For an admissible diverging block size, the latter vanishes, so the direct rank estimator attains the information bound. The decomposition yields a consistent variance estimator and Wald confidence intervals under fixed alternatives. At independence, the efficient first-order term vanishes, and the proposed estimator enters a second-order regime in which the same factor controls its null variance.
