On randomized confidence intervals for the binomial probability
假设X_1，X_2，. X_n是独立同分布的.还假设我们的目标是找到theta的精确置信区间，该置信区间是1-α/2上置信区间和1-α/2下置信区间的交集。Clopper-Pearson区间是theta的标准置信区间，在实践中广泛使用。我们考虑Stevens，1950的随机置信区间，并给出一些扩展，包括伪随机置信区间。我们还考虑了“数据随机化”的置信区间的Korn，1987年，并指出了一些额外的有吸引力的功能，这个区间。我们还有助于讨论这种置信区间的实际应用。
2013-02-27 math.ST stat.TH
Coverage-adjusted confidence intervals for a binomial proportion
本文研究了基于二项抽样的比例$p$的区间估计问题。已知$p$的“精确”Clopper-Pearson置信区间不必要保守。我们建议覆盖调整的Clopper-Pearson间隔使用$p$的先验和后验分布。调整后的间期具有更好的覆盖范围，并且通常比文献中发现的竞争间期更短。使用新的热图类型图比较置信区间，我们发现覆盖率调整的区间特别适合接近0或1的$p$。
2012-07-10 math.ST stat.ME stat.TH
Robust Confidence Intervals for a Binomial Proportion: Local Optimality and Adaptivity
University of Chicago（芝加哥大学）；Rutgers University（罗格斯大学）
本文研究了在未知污染比例下二项比例的稳健置信区间构造，通过局部最优性和适应性分析，提出了一种保证有效覆盖和高效计算的置信区间方法，并探讨了其在泊松数据和Erdős--Rényi模型中的应用。
2026-01-11 math.ST stat.ME stat.TH
Analysis of two Binomial Proportions in Non-inferiority Confirmatory Trials
在本文中，我们建议考虑一个确切的似然评分（ELS）测试的非劣性比较，我们推导出其基于测试的置信区间之间的差异，两个独立的二项比例。该检验的p值通过使用精确二项概率获得，其中滋扰参数被其限制性最大似然估计替代。计算的第一类错误显示，在80%或90%统计功效下，与流行的渐近方法相比，所提出的ELS方法在充分功效的确证性临床试验的非劣效性比较中具有重要优势。对于比较治疗组的不平衡样本量，渐近评分法的第一类错误在真实比例范围内以系统模式显示高于标称水平，但ELS法未出现此类问题。平均而言，ELS方法的真实第一类错误比经验比较中考虑的所有方法更接近标称水平。此外，在极少数情况下，ELS测试的第一类错误超过标称水平，但仅为少量。此外，对于大多数验证性试验，使用ELS方法的p值和置信区间可在不到30秒的计算机时间内获得。理论论据和有吸引力的经验证据，以及快速的计算时间，应该使ELS方法在统计实践中非常有吸引力。
2022-07-10 stat.AP stat.ME
The cost of using exact confidence intervals for a binomial proportion
当计算二项比例p的置信区间时，必须在使用精确区间和较短的近似区间之间进行选择，精确区间对所有p值的覆盖概率至少为1-α，而较短的近似区间对某些p的覆盖率可能较低，但平均覆盖率等于1-α。我们调查的成本使用精确的单侧和双侧Clopper-皮尔逊置信区间，而不是更短的近似区间，首先在增加预期长度，然后在增加样本量，以获得所需的预期长度。使用渐近展开，我们还给出了一个封闭形式的公式，用于确定精确Clopper-Pearson方法的样本量。对于双侧区间，我们的调查揭示了一个有趣的连接之间的频率Clopper-皮尔逊区间和贝叶斯区间的基础上noninformative先验。
2013-03-06 math.ST stat.ME stat.TH
A comparison of methods for the analysis of binomial proportion data in behavioral research
在行为和精神病学研究中，经常会出现由有限数量的试验中每个受试者的“成功”和“失败”比例组成的数据。这类聚集的二进制数据通常是非正态分布的，如果应用通常的一般线性模型并且样本量较小，则可能会导致参数估计和预测问题。在这里，我们研究了一些可用的分析方法的性能适用于比例数据的分析，即线性回归，泊松回归，β-二项回归和广义线性混合模型（GLISPR）。我们报告的结论，从模拟研究评估功率和I型错误率的这些模型的情况下，类似于那些遇到的行为研究人员和不同的样本量，集群大小和固定效应参数;此外，我们描述了从应用这些方法的数据从两个真正的行为实验的结果。我们的研究结果表明，虽然GLSTO和β-二项回归是分析聚类二进制结果的强大工具，但线性近似仍然可以在这种情况下提供可靠的假设检验。另一方面，泊松回归在用于比例数据建模时，可能会严重受到模型误设的影响。我们的结论提供了一些指导方针，选择合适的分析仪器，样品和集群大小取决于实验条件。
2016-05-06 q-bio.NC q-bio.QM stat.ME
A Fuzzy Approach for Randomized Confidence Intervals
Universidade Estadual de Campinas (UNICAMP)（坎皮纳斯州立大学）
本文提出基于Neyman-Pearson引理的随机置信区间方法，用于更广泛地适用于不满足正则条件的分布，并在高方差情况下表现出更好的性能。
2025-12-29 stat.ME
Locally correct confidence intervals for a binomial proportion: A new criteria for an interval estimator
为二项比例形成“置信区间”的推荐方法给出的区间估计实际上并不满足置信区间的定义，因为它们的覆盖率有时低于标称置信水平。这些方法受到青睐，因为它们的区间平均长度比Clopper-Pearson（金标准）方法短，Clopper-Pearson方法的区间实际上是置信区间。对这些方法进行比较是很棘手的--最好的方法也许应该是给出最短间隔（平均而言）的方法，但什么时候一种方法的覆盖率如此之低，以至于不应该将其归类为形成置信区间的方法？由于未遵守置信区间的定义，因此需要另一个标准来形成二项式比例的区间估计值。在本文中，我们提出了一个新的标准，满足该标准的方法被称为产生$\textit{locally correct confidence intervals}$。我们提出了一种方法，产生这样的间隔，并证明其间隔具有较短的平均长度比任何其他方法，满足标准。与Clopper-Pearson方法相比，该方法给出的区间平均长度明显较小。中间$p$方法也满足新的准则，并具有自己的最优性。
2021-06-29 math.ST stat.TH
The Rule of link functions on Binomial Regression Model: A Cross Sectional Study on Child Malnutrition, Bangladesh
本研究利用MICS-2019调查数据，在GLM框架下应用logit、probit、cloglog和cauchy等链接函数的二项回归模型分析孟加拉国0-5岁儿童营养不良比例，发现probit模型基于最低标准误差和拟合优度表现最佳。
2024-03-06 stat.ME
Two-sided confidence interval of a binomial proportion: how to choose?
简介：二项比例的置信区间（CI）估计已被多次审查，但方向性解释，区分高估和低估，被忽略，而样本量和理论比例方差从实验到实验没有正式考虑。在此，我们定义和应用新的评估标准，然后给出这些CI的实际使用的建议。材料与方法：利用Google Scholar进行文献检索。评价标准为（i）单侧条件误差，（ii）假设随机理论比例的单侧局部平均误差和（iii）CI的预期半宽。结果：Wald的CI没有控制任何风险，即使预期的成功次数达到32次。似然比CI的平衡性优于Logistic Wald CI。Clopper-Pearson中P CI控制单侧局部平均误差，而简单Clopper-Pearson CI对单侧条件误差均严格保守。百分位数和基本bootstrap CI与Wald CI具有相同的偏倚顺序，而针对离散bootstrap分布修改的学生化CI和BCa偏倚较小，但不如参数方法有效。CI的半宽度反映了局部平均误差。结论：我们建议使用Clopper-Pearson中间P CI估计比例，但在受控实验条件下的非理论比例比较除外，其中Clopper-Pearson CI可能更好。
2021-03-17 stat.AP stat.OT
Multiple testing of composite null hypotheses for discrete data using randomized $p$-values
$P$ -在原假设中，从连续分布的检验统计量导出的值通常在最不利参数配置（LFC）下均匀分布在$(0,1)$上。如果导出$P$的检验统计量是离散的，或者如果空值下的真实参数值不是LFC，则可能发生$p$值$P$的保守性（意味着$P$在零假设下的随机数大于在$(0,1)$上均匀分布的随机变量）。为了处理这两个保守性的来源，我们提出了两种方法，利用随机$p$值，即单阶段和两阶段随机化。我们说明了他们的有效性测试复合原假设下的二项模型。我们还给出了一个例子，如何建议的$p$ -值可以用来测试一个复合空组测试设计。与以前的研究结果相似，我们发现，在原假设下，与非随机$p$值相比，建议的随机$p$值保守性较低，但在备择假设下，它们是随机的，而不是更小。建立随机化$p$值的有效性的问题并不是微不足道的，并且在以前的文献中已经受到关注。我们表明，我们提出的随机$p$ -值是有效的各种离散统计模型，这是这样的分布相应的检验统计量属于一个指数家族。基于建议的随机$p$ -值作为样本量的函数的测试的幂函数的行为也进行了研究。模拟和真实数据分析用于比较不同的考虑$p$值。
2023-03-10 stat.ME
Binomial confidence intervals for rare events: importance of defining margin of error relative to magnitude of proportion
本文针对稀有事件比例估计，提出以相对误差边际衡量置信区间精度，并评估四种常用区间方法在覆盖概率与相对误差边际下的表现，给出实践中可采用的相对误差边际取值范围。
2024-01-15 stat.AP
Randomized p-values for multiple testing and their application in replicability analysis
我们关心的是同时测试多个终点的可重复性假设。这构成了一个复合零假设的多重检验问题。传统的$p$值是在最不利的参数配置下计算的，在复合零假设的情况下过于保守。如在先前的工作中所示，这在多重检验背景下构成了严峻的挑战，特别是当统计分析的一个目标是估计真实零假设的比例$π_0$时。已提出随机化$p$值来解决此问题。在目前的工作中，我们讨论了随机$p$ -值在可重复性分析中的应用。特别是，我们介绍了一个通用类的统计模型，有效的，随机的$p$值可以很容易地计算。通过计算机模拟，我们表明，它们的使用通常会导致一个更准确的估计$π_0$。最后，我们将我们提出的方法应用于基因组学的一个真实数据示例。
2020-02-25 stat.ME
The Triply-Randomized Negative Binomial Beta for Robust Regression and Conjugate Models of Bounded Support Data
University of Chicago（芝加哥大学）；Data Science Institute, University of Chicago（芝加哥大学数据科学研究所）
提出三重随机负二项贝塔分布（TNBbeta），通过随机化标准贝塔分布的参数，解决其对异常值敏感、无法处理零观测及缺乏共轭先验的问题，并利用Pólya-gamma增广实现高效吉布斯采样。
2026-06-11 stat.ME
Stochastic EM Estimation and Inference for Zero-Inflated Beta-Binomial Mixed Models for Longitudinal Count Data
IE University（IE大学）
本文提出了一种零膨胀贝塔-二项混合模型，用于处理纵向计数数据中的过度分散和零膨胀问题，通过随机近似EM算法实现高效估计，并通过案例研究验证了其在小样本情况下的优越性。
2026-02-09 math.ST stat.ME stat.TH
Randomized tests for high-dimensional regression: A more efficient and powerful solution
研究了当特征维数$p$与观测值$n$的个数成比例增长时，高维回归模型的全局零检验问题.尽管先前的一些工作研究这个问题，是否存在一个测试，是模型不可知的，有效的计算和享受高功率，仍然没有解决。在本文中，我们肯定地回答这个问题，利用随机投影技术，并提出了一个测试程序，融合了经典的$F$测试与随机投影步骤。当结合系统的选择的投影维数，所提出的方法被证明是最小最大优化，同时，减少了计算和数据存储的要求。我们说明了我们的结果在各种情况下，当底层特征矩阵表现出内在的低维结构（如近似块结构或具有指数/多项式特征衰减），事实证明，所提出的测试实现了尖锐的自适应率。我们的理论研究结果进一步验证了比较其他国家的最先进的测试的合成数据。
2020-10-03 stat.ME
Type I error rate control for testing many hypotheses: a survey with proofs
本文综述了多重检验方法中第一类错误率控制的一些最新进展。我们考虑控制$k$ -族式错误率（kFWER，使$k$错误发现或更多的概率）和错误发现比例（FDP，错误发现在发现中的比例）的问题。FDP通过其期望值（即所谓的错误发现率（FDR））或通过其上尾分布函数来控制。我们的目标是得到一般和统一的结果，简洁和简单的数学证明。此外，虽然本文主要是一个调查文件，一些新的贡献，控制kFWER和上尾分布函数的FDP。特别是，我们推导出一个新的程序的基础上的分位数的二项分布，控制FDP下的独立性。
2011-03-14 stat.ME
Quasi-Monte Carlo confidence intervals using quantiles of randomized nets
Johann Radon Institute for Computational and Applied Mathematics, ÖAW（约翰·拉多纳计算与应用数学研究所，奥地利科学院）；Institute of Fundamental and Transdisciplinary Research, Zhejiang University（浙江大学基础与交叉研究学院）
本文提出利用随机化网的分位数构造高维积分的渐近有效置信区间方法。
2026-02-25 cs.NA math.NA math.ST
Interval Estimation for Binomial Proportions Under Differential Privacy
Duke University（杜克大学）
本文比较了在差分隐私下将比例转换为区间估计的不同方法，发现贝叶斯可信区间表现最佳。
2026-06-29 stat.ME
On the use of G-computation in small randomized controlled trials with many covariates
Ghent University（根特大学）；Debre Markos University（德布雷马尔科斯大学）；Vrije Universiteit Brussel（布鲁塞尔自由大学）
本研究探讨在协变量众多的小型随机对照试验中G计算估计量的偏差，提出高维理论并模拟评估补救措施，为有限样本下应用提供指导。
2026-09-30 stat.AP stat.ME
Mathematical properties and finite-population correction for the Wilson score interval
在本文中，我们研究的威尔逊分数区间，用于推断一个未知的二项式比例参数的属性。我们研究的单调性和一致性的区间，我们概括它给两种替代形式的推断进行了有限总体。我们讨论的“有限总体校正”在这些广义区间的性质，并检查其单调性和一致性。该分析给出了有限或无穷总体中未知总体比例或未知未采样比例的适当置信区间。我们在R中的用户友好函数中实现了广义置信区间形式。
2021-09-26 math.ST stat.AP stat.TH
The Benefits of Probability-Proportional-to-Size Sampling in Cluster-Randomized Experiments
在一个分组随机实验中，治疗被分配到感兴趣的个体单位的分组--家庭、教室、村庄等--而不是单位本身。采样的集群的数量和每个集群内采样的单元的数量通常受到预算约束的限制。在Neyman-Rubin反应的潜在结果模型下，以前的聚类随机化实验分析假设了聚类的简单随机样本。在此假设下，群体平均处理效应（PATE）的估计值通常存在偏倚，或者对潜在结局的位置偏移不具有恒定性。我们证明，通过采样集群的概率成比例的单位在一个集群内的数量，霍维茨-汤普森估计（HT）是不变的位置偏移和无偏估计PATE。我们推导了HT的标准误，并讨论了如何估计这些标准误。我们还表明，结果举行分层随机样本时，样本按比例绘制的集群大小在每个阶层。我们证明了这种抽样方案的有效性，使用模拟的基础上，从一个实验测量的全国团结计划在阿富汗的功效的数据。
2020-02-19 stat.ME
Covariate adjustment and estimation of difference in proportions in randomized clinical trials
针对随机临床试验中比例差异估计，提出基于稳健三明治估计量的标准化估计量方差估计方法，以提升小样本和模型误设下的性能。
2023-08-30 stat.ME
On construction of the smallest one-sided confidence interval for the difference of two proportions
对于任何一类随机置信限上具有一定单调性排序的单侧$1-α$置信区间，基于覆盖概率函数的直接分析，构造了两个独立二项随机变量的两个比例之差的集合包含意义下的最小区间。给出了置信限的一种特殊排序，并导出了相应的最小置信区间。然后将此间隔应用于剂量-反应研究中二元数据的最小有效剂量（MED），并获得了控制$α$水平的全族差错率的多重检验程序。在存在冗余参数的情况下，讨论了构造最小单侧置信区间的一般方法。
2010-02-26 math.ST stat.TH
Improved Randomized Response Technique for Two Sensitive Attributes
本文推广了Mangat（1994）的工作，提出了新的更有效的估计量，用于估计调查抽样中属于两个相关敏感属性的被调查者的总体比例。随着拥有敏感属性的人口比例的增加，我们提出的估计比Lee et al（2013）简单和交叉模型估计更有效。
2016-01-03 stat.ME
Occam's hammer: a link between randomized learning and multiple testing FDR control
我们建立了一个通用的理论工具来构建概率边界的算法，其中的输出是一个子集的对象从一个初始池的候选人（或更一般地说，一个概率分布说池）。这个通用的设备，被称为“奥卡姆锤”，作为一个Meta层时，概率界限已经知道的池中的对象单独采取，并旨在控制的比例，对象在集合输出不满足他们的个人界限。在这方面，它可以被看作是一个非平凡的推广的“联合约束与先验”（“奥卡姆剃刀”），一个熟悉的工具，在学习理论。我们应用这一原则的随机分类器（提供一个有趣的替代方法，PAC贝叶斯界限）和多重测试（它允许检索准确和扩展所谓的Benjamini-Yekutieli测试程序）。
2006-08-29 cs.LG math.ST stat.TH
Exact confidence intervals and hypothesis tests for parameters of discrete distributions
本文研究随机递增离散分布（如二项分布和泊松分布）单变量参数的精确置信区间和双侧假设检验。它表明，几种流行的方法来构建短间隔缺乏严格的嵌套，这意味着接受一个较低的置信水平并不总是会导致一个较短的置信区间。这些区间对应于一类检验，这些检验显示为不可区分的模型分配不同的$p$值。最后，我们证明了在严格嵌套的区间，信念区间，包括Clopper-Pearson区间的二项式比例和Garwood区间的泊松平均值，是最优的。
2016-09-30 math.ST stat.TH
Modeling microbial abundances and dysbiosis with beta-binomial regression
使用来自总体的样本来估计具有特定类别标签的总体的比例是一个广泛重要的问题。在微生物组研究的背景下，当研究人员希望使用来自微生物种群的样本来估计特定分类群的种群比例时，就会出现这个问题，称为分类群的相对丰度。在本文中，我们提出了一个β-二项式模型。像现有的模型一样，我们的模型允许一个分类群的相对丰度与相关的协变量。然而，与现有的模型，我们的建议还允许过度分散在分类群的计数与协变量的利益。我们利用这个模型，以提出测试不仅为差分相对丰度，但也为差分变异。后者是特别有价值的推测，从一个正常的微生物组，可以发生在某些疾病条件下的扰动，可能会表现为一个稳定性的损失，或增加的变异性，与每个taxon. We相关的计数证明我们提出的模型的性能，使用模拟研究和应用土壤微生物数据。
2019-02-07 stat.ME
The Elliptically Optimal Confidence Interval: A Bivariate Extension of Wilson's Score Method
本文提出椭圆最优置信区间，通过闭式优化投影椭圆区域构造二项比例差的最短得分区间，保证覆盖且不欠覆盖，并精确量化极端比例下的过度覆盖。
2026-09-11 math.ST q-fin.ST stat.CO
An integer programming-based approach to construct exact two-sample binomial tests with maximum power
MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究理事会生物统计学单位）；PhaseV
本文提出基于整数规划的APK检验，在控制I型错误的同时最大化平均功效，较Fisher精确检验功效提升最高35%，并开发了R Shiny工具。
2026-09-17 stat.ME
Simultaneous Inference for Multiple Proportions: A Multivariate Beta-Binomial Model
本文针对多个相关比例的联合推断，提出多元Beta-二项模型，通过简化参数化与copula近似构建可信区域，在小样本下优于正态近似方法。
2025-06-18 stat.ME
Accounting for overdispersion and clustering in binomial data from N-of-1 trials
针对单病例试验二项数据，提出两种汇总结果的分析策略，一种考虑超二项变异，另一种兼顾过度离散与分层聚类，经实际数据分析和模拟比较这两种方法。
2026-07-10 stat.AP stat.ME
Exact calculations for false discovery proportion with application to least favorable configurations
在多重假设检验的背景下，我们提供了几个新的精确计算的错误发现比例（FDP）的步升和步降程序。对于逐步上升的程序，我们表明，有条件的拒绝数的错误拒绝数只是一个二项式变量，这导致明确的计算c.d.f.，FDP的{ $s$ -th}矩和平均值，后者对应于错误发现率（FDR）。对于逐步下降的程序，我们得出什么是我们所知的第一个明确的公式的FDR有效的任何替代c.d. f。$p$ -值。我们还得到明确的计算的功率升压和降压程序。这些公式是“显式”的，因为它们只涉及模型的参数和c.d. f。的顺序统计量。均匀变量假设$p$值独立或来自等相关多元正态模型，并使用真/假假设的附加混合模型。这种新的方法是用来调查新的结果，这是在自己的权利感兴趣的，有关的最少/最有利的配置FDR和FDP的方差。
2010-05-26 math.ST stat.TH
A model and method for analyzing the precision of binary measurement methods based on beta-binomial distributions, and related statistical tests
National Institute of Advanced Industrial Science and Technology (AIST)（日本产业技术综合研究所）；Tokyo University of Science（东京科学大学）
本文提出基于beta-binomial分布的二元测量方法精度分析模型，引入重复性和再现性度量，并通过实际案例验证其在食品安全和化学风险评估中的应用。
2024-10-27 stat.AP stat.ME
Diagnostic tools for a multivariate negative binomial model for fitting correlated data with overdispersion
本研究为可同时处理组内相关与过度离散的多元负二项回归模型开发了诊断工具及MNB的R包，提出随机分位残差和影响度量方法，并通过两个应用验证了实用性。
2021-02-15 stat.AP stat.ME
Sample Size Calculation for Cluster Randomized Trials with Zero-inflated Count Outcomes
整群随机试验（CRT）已广泛应用于医学和公共卫生研究。许多临床计数结果，如在疗养院跌倒的次数，都表现出过多的零值。在零通货膨胀的情况下，传统的基于泊松分布或负二项分布的计数数据的功效分析方法可能是不够的。在这项研究中，我们提出了一个样本量的方法，CRT与零膨胀计数的结果。它是基于GEE回归直接建模的ZIP结果的边际均值，这避免了传统建模方法下测试两个干预效果的挑战。一个封闭形式的样本量公式推导出适当的零通货膨胀，ICC由于集群，不平衡的随机化，和集群大小的变异性。稳健的方法，包括基于t分布的近似和刀切重采样方差估计，以提高试验性能下的小样本量。进行了大量的模拟，以评估所提出的方法的性能。一个应用程序的例子是在一个真正的临床试验设置。
2020-09-21 stat.AP stat.ME
Binomial and Multinomial Proportions: Accurate Estimation and Reliable Assessment of Accuracy
$σ_{P_o}$的错误估计，$P_o$中的\emph{uncertainty}来自用于二进制分类的2状态贝叶斯方程，显然是由$\hatσ_{p_i}$引起的，$\hatσ_{p_i}$是根据实验$b$ -bin直方图估计的基础pdf的不确定性。为了解决这一问题，比较了几个贝叶斯估计量对$(\hat{p}_i, \hatσ_{p_i})$的标称置信水平（$ξ$）和计算的覆盖值（$C$）之间的一致性。对于所有多项估计量，大$b$和$ p_i \gg \frac{1}{b}$的大$ξ$到$C$不一致性都出现，因为先验降低了低似然、高$p_i$值的权重。为了改善$ξ$与$C$的匹配，在更一般的先验pdf（$\mathcal{B}[α_0,(b-1)α_0;x]$）中将$(ξ-C)^2$相对于$α_0$最小化，以获得$(\hat{p_i})_{ξ\leftrightarrow C}$ .这改进了$b=2$的匹配，但是对于$b>2$，通过$(\hat{p_i})_{ξ\leftrightarrow C}$的$ξ$到$C$的匹配需要有效值“$b=2$“和重正化，这减少了$\hat{p}_i$到$p_i$的匹配.更好的$\hat{p}_i$到$p_i$匹配来自原始多项式估计量、新的离散域估计量$\hat{p}(n_i,N)$或早期的\emph{joint}估计量$(\hat{p_i})_{\bo…
2016-01-31 stat.CO stat.ME
Randomized Basket Trial with an Interim Analysis (RaBIt) and Applications in Mental Health
本文提出通用随机化篮式试验方法 RaBIt，通过期中剪枝和合并分析支持各篮不等样本量与效应量，在控制 I 类错误的同时显著缩短试验时间。
2024-11-20 stat.ME
A Nonparametric Likelihood Approach for Inference in Instrumental Variable Models
工具变量方法允许通过控制不依从随机实验中的未测量混杂来推断处理效应。然而，许多研究没有考虑在测试过程中观察到的顺应性行为，这可能导致功率损失。在本文中，我们提出了一种新的非参数似然方法，称为二项式似然（BL）方法，它结合了信息的遵守行为，同时克服了以前的技术的几个限制，并利用似然方法的优点。我们所提出的方法产生适当的估计的反事实的分布函数通过最大化的二项似然空间的分布函数。利用这一点，我们提出了两个版本的二项似然比检验的原假设没有处理效应。我们表明，这两个版本是更强大的检测任何分布的变化比现有的方法在有限样本的情况下，渐近等价于两个样本的安德森-达林测试。我们还开发了一个有效的算法来计算我们的估计，并应用二项式似然方法的研究医疗补助覆盖范围对心理健康的影响，使用俄勒冈州健康保险实验。
2020-06-11 math.ST stat.AP stat.ME
Improving sandwich variance estimation for marginal Cox analysis of cluster randomized trials
聚类随机试验（CRT）经常招募少量的聚类，因此需要应用小样本校正来进行有效的推断。最近的一项系统性综述表明，报告右删失至事件时间结局的CRT并不罕见，边际考克斯比例风险模型是主要分析的常用方法之一。虽然小样本校正已经研究了边际模型与连续，二进制和计数的结果，没有以前的研究一直致力于开发和评价的偏差校正的三明治方差估计时，聚集的时间到事件的结果进行了分析的边际Cox模型。为了改善目前的做法，我们提出了9个偏差校正夹心方差估计的CRT使用边际Cox模型的分析，并报告了模拟研究，以评估其小样本属性。我们的研究结果表明，最佳选择的偏倚校正三明治方差估计CRT的生存结果可以依赖于集群大小的变异性，也可以略有不同，无论是根据相对偏差或第一类错误率进行评估。最后，我们说明了新的方差估计在现实世界的CRT干预效果的结论不同，这取决于使用小样本偏差校正。建议的三明治方差估计在R包CoxBcv中实现。
2022-09-02 stat.ME
Rerandomization in stratified randomized experiments
分层和重新随机化是随机化实验中用于平衡基线协变量的两种众所周知的方法。试验设计领域的著名学者建议将这两种方法结合起来;然而，有限的研究已经解决了这种组合的统计特性。本文提出了两种用于分层随机化实验的重新随机化方法，基于整体和层特异马氏距离。第一种方法适用于几乎任意数量的地层、地层尺寸和处理单元的特定地层比例。第二种方法通常比第一种方法更有效，适用于地层数量固定且其大小趋于无穷大的情况。在随机化推理框架下，我们得到了这些方法中所用估计量的渐近分布以及与分层随机化相比的方差缩减公式。我们的分析不需要对潜在结果进行任何建模假设。此外，我们提供了渐近保守的方差估计和置信区间的平均处理效应。所提出的方法的优点是通过广泛的仿真研究和实际数据的例子。
2021-10-26 math.ST stat.ME stat.TH
Semiparametric Estimation of Treatment Effects in Randomized Experiments
针对在线实验常见的厚尾结果、小处理效应、大样本随机分配场景，提出处理效应半参数估计方法，推导效率界与高效估计量，还扩展了Huber模型和截尾均值以纳入不对称性。
2023-08-22 econ.EM stat.ME
