Simultaneous inference for partial areas under receiver operating curves -- with a view towards efficiency
我们提出了新的同时推理方法的诊断试验与精心设计的析因设计。我们感兴趣的参数不是通常使用的受试者工作特征（ROC）曲线下总面积，而是代表临床相关生物标志物截止值的ROC曲线下部分面积。我们构造了一个非参数的多重对比测试，这些参数，并表明它渐近控制的家庭明智的第一类差错率。在一系列计算机实验中研究了该检验的有限样本性质。我们提供的经验和理论证据支持的猜想，统计推断的ROC曲线下的部分面积比推断的总面积更有效。
2023-02-21 math.ST stat.TH
Multiple Comparison Procedures for Simultaneous Inference in Functional MANOVA
提出一类用于函数数据析因设计中任意线性假设的检验程序，支持全局与多重推断且不依赖特定误差分布，通过重采样方法实现渐近有效并验证了小样本性能与实际适用性。
2024-06-03 stat.ME
Unlocking Insights: Enhanced Analysis of Covariance in General Factorial Designs through Multiple Contrast Tests under Variance Heteroscedasticity
本文将多重对比检验程序（MCTP）扩展至协方差分析，以在方差非齐性下同时检验全局和个体零假设，并提供兼容的同时置信区间，通过多元t分布和Wild-bootstrap方法实现小样本下的准确推断。
2024-04-23 stat.ME
RMST-based multiple contrast tests in general factorial designs
本文针对一般因子设计，将基于RMST的置换检验扩展至全局与多重对比，结合Wald统计量和分组自助法，以控制小样本I类错误并识别具体组间差异。
2024-03-19 stat.ME
Debiased and Simultaneous Inference for Heterogeneous Factorial Effect Modifiers via Residualized Walsh-Hadamard Scores
Juntendo University（顺天堂大学）；Kyoto University（京都大学）
针对因子随机化实验，提出基于残差化Walsh-Hadamard得分的去偏推断方法，实现对所有效应修饰单元的同时置信带与选择，无需效应遗传假设。
2026-09-30 math.ST stat.ME stat.TH
Rerandomization in $2^K$ Factorial Experiments
由于治疗前协变量和治疗因素众多，经典的析因试验往往无法同时平衡多个析因效应之间的协变量。因此，直观的做法是限制治疗因素的随机化，以满足某些协变量平衡标准，可能符合析因效应和协变量的层次（基于其相对重要性）。这是析因试验中的重新随机化。我们在随机化推理框架下研究了这种试验设计的渐近性质，而没有对协变量和结果施加任何分布或建模假设。我们推导了析因效应的常用估计量的联合渐近抽样分布，并证明了它是对称的、单峰的，并且在重新随机化下比在经典的析因试验下更“集中”于真实的析因效应。我们量化这种优势的重新随机化使用的概念，“中心凸单峰”和“peakedness”的联合渐近抽样分布。我们还为因子效应构建了保守的大样本置信集。
2018-12-28 math.ST stat.ME stat.TH
Some characterizations of affinely full-dimensional factorial designs
定义了一类新的两水平非正则部分析因设计。我们称这个类为{ \it仿射全维析因设计}，这意味着这个类的设计中的设计点不包含在$\mathbb{F}_2$上的向量空间中的任何仿射超平面中。还阐明了该类的指示器函数的属性。这类部分因子设计具有理想的属性，即主效应模型的参数同时可识别。我们从$D$ -最优性的角度研究了这类问题的性质。特别是，对于饱和设计，$D$ -最优设计是针对试验规模$r \equiv 5,6,7$（mod 8）从此类中选择的。
2008-12-01 math.ST stat.ME stat.TH
Simultaneous Rank Tests in Analysis of Covariance Based on Pairwise Ranking
非参数检验为相应的最小二乘法提供了稳健而强大的替代方法。处理效应的非参数成对比较有两种方法，基于成对排序的方法和基于总体排序的方法。前者是文献中普遍推荐的，因为它的强大的控制famywise错误率。然而，该方法仅适用于单向布局和随机完全区组。通过结合对齐秩和成对秩的方法，我们将Steel-Dwass成对比较扩展到单侧和双侧比较的协方差分析和析因模型，以及治疗与对照的检验。与传统的两样本标准化检验统计量不同，本文提出了秩尺度参数的加权估计，并通过模拟表明，它通过将族间误差率控制在名义水平上，具有优越的小样本性能。该方法改进了Steel-Dwass法在单向布局下的大样本逼近。推导了边界和联合渐近分布，并与对齐秩变换法和最小二乘法进行了功效比较。
2018-02-12 stat.ME
Improving Covariate Balance in 2^K Factorial Designs via Rerandomization
析因设计被广泛应用于农业、工程和社会科学中，用于研究多个因素同时对反应的因果影响。这种设计的目的是估计所有感兴趣的析因效应，通常包括主效应和因子间的交互作用。当存在大量治疗前协变量时，为了以高精度估计析因效应，应确保治疗组间协变量之间的平衡。我们建议利用重新随机化来确保析因设计中的协变量平衡。虽然析因设计和重新随机化之前已经讨论过，但组合没有。在这里，重新随机化的析因设计的理论属性的建立，并使用纽约教育部的应用程序探索实证结果。
2015-11-06 stat.ME
On confidence intervals in regression that utilize uncertain prior information about a vector parameter
考虑具有n维响应向量、p维回归参数β和独立正态分布误差的线性回归模型。假设感兴趣的参数是theta = a^T beta，其中a是指定的向量。定义s维参数向量tau=C^T beta-t，其中指定C和t。还假设我们有不确定的先验信息tau=0。我们对theta的频率论置信区间的部分评估是比值（该置信区间的预期长度）/（标准1-alpha置信区间的预期长度），即该区间的缩放预期长度。如果（a）当tau=0时，该区间的缩放预期长度显著小于1，（b）缩放预期长度的最大值不太大，以及（c）当数据恰好与先验信息强烈矛盾时，该置信区间恢复为标准的1-alpha置信区间，则我们说θ的1-alpha置信区间利用了这种不确定的先验信息。设hat{Theta}=a^T hat{beta}和hat{tau}=C^T hat{beta}-t，其中hat{beta}是beta的最小二乘估计量。我们考虑E（（hat{tau}-tau）（hat{Theta}-theta））=0的特殊情况，因此hat{Theta}和hat{tau}是独立的。我们提出了一个新的1-alpha置信区间θ，利用不确定的先验信息，tau=0。下面的问题是用来说明这个新的置信区间的应用。考虑2^3析因试验，重复1次。假设感兴趣的参数θ是主效应的指定线性组合。假设三因子交互作用为零。还假设我们有不确定的先验信息，所有的双因子相互作用都是零。…
2013-04-25 math.ST stat.TH
SCoRE Sets: A Versatile Framework for Simultaneous Inference
本文提出SCoRE集合框架，在任意度量空间上同时量化多个游程集的不确定性，统一了同时置信带、水平集估计和多重假设检验，并简化了相关假设。
2024-05-29 math.ST stat.TH
Beyond Publication-Bias Detection: Estimating Bias under Uncertainty in Heterogeneous Literatures
University of Toronto（多伦多大学）
研究指出元分析中发表偏倚测试功效低，应转向用置信区间估计偏倚，逐步函数选择模型置信区间过窄，z曲线的置信区间有标称覆盖率，是检测发表偏倚的 valuable 工具，还通过实例说明偏倚估计意义。
2026-07-23 stat.AP
Confidence Intervals and Simultaneous Confidence Bands Based on Deep Learning
Tel Aviv University（特拉维夫大学）
针对深度学习预测不确定性评估不足及现有方法无效或过于保守的问题，提出一种非参数自助法，有效分离数据不确定性与优化噪声，构建准确的点态置信区间和同时置信带，并成功应用于右删失生存数据的生存曲线。
2024-06-20 cs.LG stat.ML
Factorial Multivariate Bayesian Causal Forests: heterogeneous main and interaction effects of multiple treatments on correlated outcomes
Royal College of Surgeons in Ireland (RCSI University of Medicine and Health Sciences)（爱尔兰皇家外科医学院（RCSI 医学与健康科学大学））
本文提出阶乘多元贝叶斯因果森林，统一估计多个二元处理对相关结果的异质主效应与交互效应，提供高效采样与可解释性工具，模拟验证稳健，并应用于多领域数据。
2026-09-28 stat.AP stat.CO stat.ME
Balancing Weights for Causal Inference in Observational Factorial Studies
本文提出了一种针对多因素观察性研究的加权方法，用于实现因子效应的无偏估计，同时处理缺失治疗组合和协变量平衡问题。
2025-12-02 stat.ME
Sparsified Simultaneous Confidence Intervals for High-Dimensional Linear Models
本文提出稀疏化同时置信区间，将模型选择不确定性纳入高维线性模型系数推断，通过区间收缩至零识别不重要协变量，并验证了其渐近性质与实证优势。
2025-01-02 econ.EM stat.ME stat.ML
Regression-based causal inference with factorial experiments: estimands, model specifications, and design-based properties
析因设计因其能够同时适应多个因素而被广泛使用。具有主效应和一些交互作用的基于因子的回归是下游数据分析的主要策略，通过一次回归提供点估计量和标准误。从设计为基础的角度来看，这些方便的估计的理由需要量化的分配机制条件下的潜在结果的抽样性能。为此，我们从饱和和不饱和模型中推导出基于因子的回归估计的抽样性质，并证明了Wald型推断的稳健标准误的适当性。然后，我们量化的偏置方差之间的权衡饱和和不饱和的模型从设计为基础的角度来看，并建立一个新的设计为基础的高斯-马尔可夫定理，确保后者的增益效率时，忽略的滋扰效应确实不存在。作为这个过程的副产品，我们统一了各种文献中因子效应的定义，并提出了一个位置转移策略，用于从基于因子的回归中直接估计因子效应。我们的理论和模拟表明，使用基于因子的推理一般的阶乘效应，最好是根据零滋扰效应的先验知识与简约的规格。
2021-12-08 stat.ME
Functional Factorial K-means Analysis
本文提出了一种新的方法，可以同时求出多元函数对象的最优聚类结构和表示聚类结构的子空间。该方法是基于$k$ -手段标准的投影功能对象的子空间中存在的集群结构。提出了一种有效的交替最小二乘算法，并将该算法推广到权函数光滑性的正则化方法。针对该算法中基函数展开式系数矩阵相关性的负面影响，提出了一种两步法。人工和实际数据的分析表明，该方法给出了正确的和可解释的结果相比，现有的方法，功能主成分$k$ -均值（FPCK）方法和串联聚类方法。它也表明，所提出的方法可以被认为是FPCK的补充。
2014-02-09 stat.ME
Robustly estimating heterogeneity in factorial data using Rashomon Partitions
Department of Statistics, University of Washington, USA（美国华盛顿大学统计学系）；Department of Economics, Stanford University, USA（美国斯坦福大学经济学系）；J-PAL, NBER, USA（美国J-PAL和NBER）；Department of Sociology, University of Washington, USA（美国华盛顿大学社会学系）
提出Rashomon分区集(RPS)贝叶斯框架，通过枚举后验密度接近最大后验模型的所有模型来量化模型不确定性，实现稳健的异质性估计。
2026-06-05 cs.LG econ.EM stat.CO
