On the Robustness of a Divergence based Test of Simple Statistical Hypotheses
最流行的假设检验程序,似然比检验,是众所周知的,在许多实际情况下是高度非鲁棒的。Basu等人(2013 a)提供了一种基于密度功率发散的假设检验的替代稳健程序;然而,尽管作者直观地论证了后一种检验的稳健性,并对其进行了广泛的经验证实,但在这项工作中没有提出理论稳健性。在本文中,我们将考虑一类更一般的检验,它们形成了Basu等人(2013 a)描述的程序的超族。该超家族来源于Basu等人最近提出的$S$ -分歧类(2013 a)。在这方面,我们从理论上证明了新的一类测试的鲁棒性结果,并说明他们在正常的模型。Basu等人(2013 a)提议的所有理论鲁棒性都是我们结果的特例。
2014-11-28 math.ST stat.ME stat.TH
Robust approach for comparing two dependent normal populations through Wald-type tests based on Rényi's pseudodistance estimators
自从Fisher(1915,1921)的两篇开创性论文发表以来,二元正态分布在固定值相关系数原假设下的检验就成为一个重要的统计问题。在渐近稳健统计的框架下,它仍然是一个非常感兴趣的研究课题。对于这个和其他测试,专注于配对相关的正常随机样本,Rényi的伪距离估计,建立其渐近分布和迭代算法提供了他们的计算。在此基础上构造了不同问题的Wald型检验统计量,并从理论上研究了它们的影响函数。为了在不同的背景下测试零相关性,广泛的模拟研究和两个基于真实数据的例子支持我们的建议的鲁棒性。
2022-09-24 math.ST stat.TH
Robust hypothesis testing and distribution estimation in Hellinger distance
Google Research(谷歌研究院)
我们提出了一个简单的鲁棒假设检验,具有相同的样本复杂性的最佳Neyman-Pearson检验常数,但强大的分布扰动下Hellinger距离。我们讨论了这样一个强大的测试估计分布在Hellinger距离的适用性。我们经验证明的权力的典型分布的测试。
2020-11-03 cs.IT cs.LG math.IT
Weak-Identification Robust Wild Bootstrap applied to a Consistent Model Specification Test
针对存在冗余参数且参数可能是弱可辨识或不可辨识的情形,提出了一种新的稳健Bootstrap检验方法。为了方便起见,我们专注于Bierens(1990)类型的条件矩检验省略的非线性,因为困难,已被忽视的日期。现有的方法包括上确界p值,这促进了保守的测试,通常是不一致的,和检验统计量变换,如上确界和平均值,引导方法是无效的弱识别。我们提出了一种新的野生引导方法的p值计算针对特定的识别情况。然后,我们将自举p值跨极性识别的情况下,形成一个渐近有效的p值近似,是强大的任何识别情况。野生自举不需要知道自举过程的协方差结构,而Andrews和Cheng(2012,2013,2014)的模拟方法通常需要。我们的方法允许强大的自举临界值计算以及。我们的自举方法(像传统的)不会导致一致的p值近似的检验统计量功能,如上确界和平均值。因此,我们平滑了强大的自举p值作为几个测试的基础,这些测试实现了正确的渐近水平,并且对于任何程度的识别都是一致的。它们还实现了统一的尺寸控制。模拟研究表明,在非稳健性检验中,当弱或非识别出现时,可能存在较大的经验尺寸失真。然而,我们的一个平滑p值检验通过提供准确的经验大小和相对较高的功效而优于所有其他检验。
2020-03-25 math.ST stat.TH
Minimax Robust Quickest Change Detection using Wasserstein Ambiguity Sets
我们研究了未知的变化前和变化后的分布下的鲁棒最快变化检测。为了处理数据生成分布中的不确定性,我们基于Wasserstein距离制定了两个数据驱动的模糊集,没有任何参数假设。最小最大稳健性检验被构造为最不利分布下的最小最大稳健性检验,最不利分布是模糊度集中的一对代表性分布。我们证明了极大极小鲁棒检验可以以一种易于处理的方式得到,并且是渐近最优的。我们研究了所提出的鲁棒性检验的有效性,现有的方法,包括广义似然比检验和鲁棒性测试下KL散度为基础的模糊集。
2022-04-27 math.ST stat.ME stat.TH
Robust Bounded Influence Tests for Independent Non-Homogeneous Observations
实验经常产生非同分布的数据用于统计分析。在这种设置下的假设检验通常使用似然比检验进行,该检验在离群值和模型误设方面是非稳健的。本文考虑了独立分布的非同分布观测值的建立问题,并基于密度幂离建立了一类一般的参数假设检验的检验统计量.所提出的测试有界影响函数,是非常强大的数据污染方面,有很高的权力对连续的替代品,并在任何固定的替代品是一致的。该方法说明了简单的和广义的线性回归模型与固定的协变量。
2017-07-07 math.ST stat.ME stat.TH
Uncertainty quantification for robust variable selection and multiple testing
我们研究的问题,确定一组\emph{active}变量,在文献中称为\emph{variable selection}或\emph{multiple hypothesis testing},根据追求的标准。对于一般的非正态,可能依赖的观察和广义概念的\emph{active set}的\emph{robust setting},我们提出了一个程序,同时用于两个任务,变量选择和多重测试。该过程基于\emph{risk hull minimization}方法,但也可以作为经验贝叶斯方法或惩罚策略的结果获得。我们通过各种标准来解决其质量问题:汉明风险、FDR、FPR、FWER、NDR、FNR和各种\emph{multiple testing risks},例如,MTR=FDR+NDR;并讨论了所得结果的一个弱最优性。最后,我们介绍和研究,第一次,\emph{uncertainty quantification problem}在变量选择和多重测试的背景下,在我们的稳健设置。
2021-09-23 math.ST stat.TH
Robust Hypothesis Testing with Wasserstein Uncertainty Sets
我们考虑一个数据驱动的稳健假设检验,其中最优检验将最大限度地减少最坏情况下的性能,这些性能与Wasserstein距离的经验分布接近。这导致了一个新的非参数假设检验框架的基础上分布鲁棒优化,这是更强大的,当有有限的样本为一个或两个假设。这样的场景通常出现在医疗保健、在线变点检测和异常检测等应用中。我们研究的计算和统计特性提出了一个易于处理的凸重新制定的原始无限维变分问题利用Wasserstein的属性和特征的半径选择的不确定性集的测试。我们还证明了我们的方法在合成和真实数据上的良好性能。
2021-05-29 math.ST stat.ME stat.TH
Asymptotically Minimax Robust Likelihood Ratio Test
University Medical Center of the Johannes Gutenberg University Mainz(约翰内斯·古腾堡大学美因茨大学医学中心);Center for Thrombosis and Hemostasis, University Medical Center Johannes Gutenberg University Mainz(约翰内斯·古腾堡大学美因茨大学医学中心血栓与止血中心);German Center for Cardiovascular Research (DZHK), Partner Site Rhine Main, University Medical Center of the Johannes Gutenberg University Mainz(德国心血管研究联盟(DZHK)莱茵美因合作点,约翰内斯·古腾堡大学美因茨大学医学中心)
本文提出了一种统一框架,用于在分布不确定性下进行渐近最小最大稳健假设检验,通过非线性方程组计算,并验证了理论结果。
2026-02-09 cs.IT math.IT math.ST
A robust and p-hacking-proof significance test under variance uncertainty
针对p值篡改问题,本文提出基于次线性期望、适用于方差未知且时变的序贯数据的单样本显著性检验鲁棒方法,可防样本操纵、控制I类错误并保持检验效能,模拟验证了其有效性。
2025-02-16 math.ST stat.TH
A New Family of Divergences Originating from Model Adequacy Tests and Application to Robust Statistical Inference
最小散度方法是各种统计应用中的流行工具。我们认为管状模型充分性测试,并证明,在这个过程中产生的新的分歧是非常有用的强大的统计推断。特别是,我们表明,家庭的$S$ -分歧,可以选择开发使用管状模型充分性测试,进一步应用的范例产生一个更大的超家庭的分歧。我们描述了这个更大的类的属性及其在鲁棒推理中的潜在应用。一路上,失败的一阶影响函数分析,在捕捉这些程序的鲁棒性也成立。
2018-01-15 math.ST stat.ME stat.TH
From Asymptotic to Finite-Sample Minimax Robust Hypothesis Testing
University Medical Center of the Johannes Gutenberg University Mainz(约翰内斯·古腾堡美因茨大学医学中心);Center for Thrombosis and Hemostasis, University Medical Center Johannes Gutenberg University Mainz(约翰内斯·古腾堡大学医学中心血栓与止血中心);German Center for Cardiovascular Research (DZHK), Partner Site Rhine Main, University Medical Center of the Johannes Gutenberg University Mainz(德国心血管研究联合会(DZHK)莱茵美因合作点,约翰内斯·古腾堡大学医学中心)
本文提出了一种基于渐近理论的有限样本最小最大稳健假设检验方法,通过总变差距离和带模型分析,推导了参数形式的最不利分布和稳健似然比函数,并通过模拟验证了理论结果。
2026-02-23 cs.IT math.IT math.ST
Robust inference for intermittently-monitored step-stress tests under Weibull lifetime distributions
针对步进应力加速寿命测试中最大似然估计缺乏稳健性的问题,本文基于密度幂散度(DPD)提出稳健推断方法,用于Weibull分布下的参数估计与检验,并通过真实数据验证了其在温度影响分析中的有效性。
2024-09-23 math.ST stat.AP stat.TH
Robust Multi-Hypothesis Testing with Moment Constrained Uncertainty Sets
本文研究稳健二元假设检验,假设分布属于基于经验矩构建的矩约束不确定性集,旨在最小化最坏情况错误概率,分别针对有限和无限字母表推导出最优检验及易处理近似,并提出指数一致的批量样本检验。
2024-01-06 cs.IT math.IT math.ST
On the Robustness of Kernel Goodness-of-Fit Tests
QuantCo;Department of Statistical Science University College London(伦敦大学统计科学系)
本文指出现有核拟合优度检验缺乏鲁棒性,并提出首个基于核斯坦偏差球的鲁棒检验方法,以解决模型轻微扰动下的拟合优度检验问题。
2025-10-22 cs.LG math.ST stat.ME
Robust inference for non-destructive one-shot device testing under step-stress model with exponential lifetimes
单次设备分析涉及区间删失的极端情况,其中只能知道故障时间是在测试时间之前还是之后。某些一次性装置在测试时不会被破坏,因此可以在实验中继续,如果它们在检查时间之前没有失败,则为推断提供额外的信息。此外,通过在不同的和高于工作条件的应力水平下进行加速寿命测试(ALT),可以快速评估其可靠性。特别是,步进应力测试允许实验者在寿命测试实验期间在预定时间逐渐增加应力水平。逐步应力模型通常采用累积暴露模型,将一个应力水平下的单元寿命分布与先前应力水平下的寿命分布相关联。本文基于密度幂离(DPD),提出了指数寿命分布的步进应力极限寿命下无损一次性器件线性原假设检验的稳健估计和Z型检验统计量。我们研究了估计量和检验统计量的渐近性和稳健性,以及不同寿命特征(如可靠性、分布分位数和平均寿命)的点估计和置信区间。仿真研究进行了评估的推理方法的性能在这里开发和一些现实生活中的数据集进行了分析,最后说明的目的。
2022-04-25 math.ST stat.ME stat.TH
On Robust Hypothesis Testing with respect to the Hellinger Distance
Tata Institute of Fundamental Research(塔塔基础研究所);Carnegie Mellon University(卡内基梅隆大学);Google Research(谷歌研究院)
研究了在样本可能不严格来自指定分布的情况下,如何通过Hellinger距离确定更接近的分布,并给出稳健检验的下界及对称卡方距离的启示。
2026-04-20 cs.IT math.IT math.ST
Robust Hypothesis Testing via Lq-Likelihood
本文介绍了一种稳健的假设检验方法:Lq似然比型检验(LqRT)。通过推导该检验统计量的渐近分布,从解析和数值两方面证明了其稳健性,并研究了其影响函数和崩溃点的性质。与传统的似然比检验(LRT)和其他鲁棒性检验相比,本文提出的选择调整参数q的方法提供了良好的效率/鲁棒性权衡。仿真和实际数据分析提供了进一步的证据,所提出的LqRT方法的优点。特别是,对于在存在粗差污染的情况下测试位置参数的特殊情况,LqRT在各种污染水平下主导Wilcoxon-Mann-Whitney检验和符号检验。
2016-09-25 stat.AP
Divergence-based robust inference under proportional hazards model for one-shot device life-test
在本文中,我们发展了稳健估计和测试的一杆设备测试下的比例风险假设的基础上的分歧措施。通过详细的蒙特卡罗模拟研究和数值例子,开发的推理程序被证明是更强大的比经典的程序,基于极大似然估计。
2020-04-28 stat.AP
Minimax Robust Quickest Change Detection
最快变化检测过程的最优性的流行准则是Lorden准则、Shiryaev-Roberts-Pollak准则和贝叶斯准则。本文考虑了这些最快变化检测问题的鲁棒版本,当变化前和变化后的分布不完全已知但属于已知的不确定性分布类别时。对于满足特定条件的不确定性类,它表明,人们可以识别最不利的分布(LFD)的不确定性类,这样的LFD设计的检测规则是最佳的鲁棒性问题在极大极小意义上。的条件是类似的,所需的鲁棒性假设检验问题的LFD识别最初由Huber研究。在Lorden最优性准则下的渐近设定中,也得到了鲁棒检验所引起的时滞的上界。这个界限量化了为保证鲁棒性而产生的延迟惩罚。当LFD可以被识别时,所提出的测试比基于广义似然比(GLR)统计量的Cumsum测试更容易实现,这是一种流行的方法,用于这种鲁棒的变化检测问题。所提出的测试也显示出更好的性能比GLR测试在模拟的一些参数值。
2010-06-01 cs.IT math.IT math.ST
Empirical distributions of the robustified $t$-test statistics
基于中位数和中位数绝对偏差估计量以及Hodges-Lehmann和Shamos估计量,提出了常规$t$ -检验统计量的抗差类似估计.最近给出了这些统计量的渐近分布。然而,当样本量很小时,它是不适合使用的渐近分布的稳健$t$ -检验统计量进行统计推断,包括假设检验,置信区间,p值,在这篇文章中,通过广泛的蒙特卡罗模拟,我们得到的经验分布的稳健$t$ -检验统计量和它们的分位数值。然后,这些分位数值可用于进行统计推断。
2022-02-23 stat.AP
Robust Estimators and Test-Statistics for One-Shot Device Testing Under the Exponential Distribution
本文提出了一种新的单次器件模型参数的估计族--最小密度幂离估计(MDPDEs),以及一种新的基于MDPDEs的检验统计量族--Z型检验统计量,用于检验相应的模型参数。MDPDE族包含Balakrishnan和Ling(2012)中考虑的极大似然估计(MLE)作为一种特殊情况。通过仿真研究,它表明,一些MDPDE有一个更好的行为比MLE的鲁棒性。同时,可以看出,一些基于MDPDE的Z型检验在鲁棒性方面也比经典Z-检验统计量具有更好的行为。
2017-04-25 stat.ME
Robust Hypothesis Testing with $α$-Divergence
提出了一种稳健的极小极大检验方法,该方法由两个名义分布关于一组距离(称为$α-$发散距离)的邻域决定。采用Sion的极大极小定理来刻画鞍值条件。推导了最不利分布、稳健判决准则和稳健似然比检验似然比检验。若标称概率分布满足对称性条件,则设计过程可大大简化。控制的鲁棒性程度的参数有界从上面和边界示出的是从一组方程的解决方案。所进行的模拟评估和验证的理论推导。
2016-01-24 stat.OT
Kernel Robust Hypothesis Testing
University at Buffalo(布法罗大学)
本文利用核方法和最大均值差异构造数据驱动的不确定性集合,在贝叶斯和Neyman-Pearson两种设定下提出鲁棒核检验方法,并证明其最优性或渐近最优性。
2023-08-05 cs.IT cs.LG eess.SP
A Data-Driven Approach to Robust Hypothesis Testing Using Sinkhorn Uncertainty Sets
Georgia Institute of Technology(佐治亚理工学院)
小样本情形下的假设检验是一个具有重要实际意义的问题。在本文中,我们研究了强大的假设检验问题,在数据驱动的方式,我们寻求最坏情况下的检测器分布的不确定性集的经验分布为中心的样本使用Sinkhorn距离。与Wasserstein鲁棒性检验相比,该方法在训练样本之外支持相应的最不利分布,从而提供了一种更灵活的检测器。在合成数据集和真实数据集上进行了各种数值实验,以验证我们所提出的方法的竞争力。
2022-05-15 cs.LG stat.ML
The Robust Kernel Association Test
测试SNP效应和反应之间的关联是一项常见的任务。这种测试通常通过基于最小二乘法的内核机器方法进行,例如序列内核关联测试(SKAT)。然而,这些最小二乘程序假设一个正态分布的响应,这往往是违反。其他鲁棒的过程,如分位数回归核机器(QRKM)限制损失函数的选择,只允许对条件分位数的推断。我们提出了一个通用的和强大的核关联测试,灵活的选择损失函数,没有分布的假设,并有SKAT和QRKM作为特例。我们评估我们提出的鲁棒关联测试(RobKAT)在不同的数据分布,通过模拟研究。当误差呈正态分布时,RobKAT控制第一类错误,并显示出与SKAT相当的功效。在所有其他分布设置调查,我们的强大的测试有类似或更大的权力比SKAT。最后,我们应用我们强大的内核关联测试的数据从CATIE临床试验,以检测选定的基因之间的关联6号染色体上,包括主要组织相容性复合体(MHC)区域,和神经营养性疱疹病毒抗体水平在精神分裂症患者。RobKAT检测到与四个SNP集(HST1H2BJ,MHC,POM12L2和SLC17A1)的显著关联,其中三个未被SKAT检测到。
2019-01-27 stat.ME
Robust Kernel Hypothesis Testing under Data Corruption
Centre for Artificial Intelligence(人工智能中心);Gatsby Computational Neuroscience Unit(加布特计算神经科学单位);University College London(伦敦大学学院);Inria London(伦敦研究所);Department of Statistics and Data Science(统计与数据科学系);Department of Applied Statistics(应用统计学系);Yonsei University(延世大学)
我们提出一种数据损坏下稳健的核置换检验方法,控制非渐近第一类错误并证明功效一致性,在两样本和独立性设置中达到极小极大最优,实验表明其功效远高于差分隐私检验。
2025-04-25 cs.LG stat.ML
LqRT: Robust Hypothesis Testing of Location Parameters using Lq-Likelihood-Ratio-Type Test in Python
t检验被认为是推断总体平均值的标准程序,广泛用于科学发现。然而,作为似然比检验的一种特殊情况,t检验往往由于偏离其难以验证的分布假设而导致性能急剧下降。或者,在本文中,我们提出了一个新的双样本Lq似然比类型测试(LqRT)以及一个易于使用的Python包来实现。LqRT在分布式假设被违反时保持高功率,并且在假设有效时保持令人满意的性能。数值研究表明,LqRT在功效上优于许多其他稳健检验,如Wilcoxon检验和符号检验,同时保持有效的大小。在一定程度上,Wilcoxon检验的稳健性(Wilcoxon检验与t检验的最小渐近相对效率(ARE)为0.864)表明Wilcoxon检验应作为默认检验选择(而不是“如果有证据表明非正态性,则使用Wilcoxon”,默认位置应为“除非有充分理由相信正态性假设,否则使用Wilcoxon”),本文中的结果表明LqRT可能是从业者的新的默认测试。
2019-11-27 stat.ME
Robust testing in generalized linear models by sign-flipping score contributions
广义线性模型由于过度离散、异方差和忽略干扰变量等原因,常常被误定。现有的拟似然方法在错误指定的模型测试往往不能提供令人满意的第一类错误率控制。我们提供了一种新的半参数检验,基于符号翻转的个人得分贡献。允许被测参数为多维甚至高维。我们的测试往往是强大的对上述形式的错误规范,并提供更好的第一类错误控制比它的竞争对手。当估计干扰参数时,我们的基本测试变得保守。我们将展示如何考虑滋扰估计,以获得一个渐近精确的测试。我们提出的测试是渐近等价的参数对应。
2020-05-08 stat.ME
Robust Hypothesis Testing and Model Selection for Parametric Proportional Hazard Regression Models
半参数Cox比例风险回归模型在许多应用科学领域中得到了广泛的应用。然而,一个完全参数的比例风险模型,如果适当的假设,往往可以导致更有效的推理。为了解决传统的极大似然估计的极端非鲁棒性,在这种完全参数比例风险模型下的数据中存在离群值,最近提出了一种稳健估计方法,扩展了最小密度幂散度估计(MDPDE)的概念。本文研究了参数比例风险模型下的统计推断问题,并利用MDPDE方法建立了稳健的Wald型假设检验和模型选择方法。我们还得到了必要的渐近结果,用于构造一般复合假设的检验程序,并研究其渐近功效。通过适当的影响函数分析,从理论上研究了所声称的鲁棒性。我们已经研究了有限样本水平和权力的建议MDPDE基于Wald型测试通过广泛的模拟,比较也与现有的半参数方法。文中还讨论了鲁棒整定参数的选取问题。最后通过三个有趣的实际数据例子说明了所提出的鲁棒性测试和模型选择程序的实际用途。
2020-09-26 stat.AP stat.ME
Robust Nonparametric Hypothesis Testing to Understand Variability in Training Neural Networks
Pacific Northwest National Laboratory(太平洋西北国家实验室)
针对深度神经网络训练因随机性产生的模型变异性,提出基于阈值前输出、依托鲁棒非参数假设检验框架的模型相近度衡量指标,可适配多种模型导出量。
2023-10-01 cs.LG stat.ML
Robust subgroup-classifier learning and testing in change-plane regressions
针对重尾误差变平面回归,提出基于平滑Huber损失学习的稳健子群分类器及稳健加权平方得分检验统计量,实现次高斯尾估计并克服高维功效损失,有效支持个体化治疗推荐。
2024-08-26 stat.ME
Weak-Instrument Robust Tests in Two-Sample Summary-Data Mendelian Randomization
孟德尔随机化(MR)是遗传流行病学中的一种流行方法,使用遗传变异作为工具变量(IV)来估计暴露对结果的影响,其中双样本汇总数据MR最受欢迎。不幸的是,MR研究中的工具通常与暴露量弱相关,这可能会使效应估计值出现偏差并增加第一类错误。在这项工作中,我们提出的检验统计量是强大的弱工具渐近扩展的Anderson-Rubin,Kleibergen,和条件似然比检验在计量经济学两个样本的汇总数据MR。我们还使用建议的Anderson-Rubin测试开发一个点估计和检测无效的工具。我们的结论与模拟和实证研究表明,建议的测试控制的大小,并有更好的权力比现有的方法与弱工具。
2021-06-07 stat.ME
Robust Hypothesis Testing Using Wasserstein Uncertainty Sets
Georgia Institute of Technology(佐治亚理工学院)
我们开发了一个新的计算效率和一般框架,强大的假设检验。新框架的特点是一种新的方法来构建零分布和替代分布下的不确定性集,这些不确定性集是以通过Wasserstein度量定义的经验分布为中心的集合,因此我们的方法是数据驱动的,没有分布假设。我们开发了一个凸安全近似的极大极小制定,并表明这种近似呈现出一个接近最佳的检测器之间的家庭的所有可能的测试。通过利用结构的最不利的分布,我们还开发了一个易于处理的重新制定这样的近似,与复杂性的观察空间的维度无关,可以是几乎样本大小无关的一般。使用人类活动数据的实际数据的例子证明了新的鲁棒检测器的优异性能。
2018-05-27 cs.IT cs.LG math.IT
Robust nonparametric hypothesis tests for differences in the covariance structure of functional data
我们开发了一组强大的,非参数假设检验,检测几个人口的功能数据的协方差算子之间的差异。这些测试称为FKWC测试,基于功能数据深度等级。这些测试工作良好,即使当数据是重尾,这是在模拟和理论上都显示。这些测试提供了几个其他的好处,他们有一个简单的分布下的原假设,他们是计算成本低,他们拥有变换不变性的属性。我们发现,在一般的备择假设下,这些测试是一致的温和的,非参数假设。作为这项工作的结果,我们引入了一个新的功能深度函数,称为L2-root深度,它可以很好地检测协方差核之间的幅度差异。我们提出了一个分析的FKWC测试使用L2根深度下的本地替代品。在模拟中,当真正的协方差核具有严格的正特征值时,我们表明这些测试具有比竞争对手更高的功率,同时仍然保持其标称大小。我们还提供了计算样本量和执行多重比较的方法。
2021-06-18 stat.ME
DART2: a robust multiple testing method to smartly leverage helpful or misleading ancillary information
本文提出距离辅助多重检验方法 DART2,可在辅助信息有益或误导时均控制 FDR 并保持高功效,数值实验与基因关联应用验证了其优势。
2024-09-05 cs.LG stat.ML
Robust Hypothesis Test for Nonlinear Effect with Gaussian Processes
本文构造了一个假设检验,用于检测数据生成函数$h: R^p \rightarrow R$是否属于特定的再生核Hilbert空间$\mathcal{H}_0$,其中$\mathcal{H}_0$的结构仅部分已知.利用再生核的理论,我们减少了这个假设一个简单的单侧分数测试的标量参数,开发了一个测试程序,是强大的对错误的核函数的规格,也提出了一个基于集合的估计为零模型,以保证在小样本的测试性能。为了证明所提出的方法的实用性,我们将我们的测试的问题,检测连续功能组之间的非线性相互作用。我们评估了我们的测试在不同的数据生成函数和估计策略的空模型的有限样本性能。我们的研究结果揭示了机器学习中的概念(模型欠拟合/过拟合)和统计推断中的概念(即第一类错误/假设检验的功效)之间的有趣联系,并且还强调了常见模型估计策略(例如使用极大似然估计估计内核超参数)对模型推断的意外后果。
2017-10-27 stat.ML
Weak-instrument-robust subvector inference in instrumental variables regression: A subvector Lagrange multiplier test and properties of subvector Anderson-Rubin confidence sets
ETH Zürich(苏黎世联邦理工学院)
本文提出了一种弱工具变量鲁棒的子向量拉格朗日乘数检验,并探讨了子向量安德森-鲁宾置信集的性质。
2026-03-01 econ.EM math.ST stat.TH
Robust Tests of Model Incompleteness in the Presence of Nuisance Parameters
本文提出一种存在干扰参数时经济模型不完全性的稳健检验方法,基于最不利参数模型构建得分函数,仅需在原假设下估计干扰参数,并通过市场进入模型和三角模型验证了其有效性。
2023-09-07 econ.EM math.ST stat.TH
How Reliable are Bootstrap-based Heteroskedasticity Robust Tests?
本文提出有限样本理论诊断方法,用于识别线性回归中存在过度拒绝问题的 wild bootstrap 异方差稳健检验,并通过大规模数值研究评估其可靠性。
2021-11-11 econ.EM math.ST stat.ME
A Necessary and Sufficient Condition for Size Controllability of Heteroskedasticity Robust Test Statistics
University of Vienna(维也纳大学);WU Vienna University of Economics and Business(维也纳经济与商业大学)
针对回归模型中单个约束检验,给出了异方差稳健检验统计量尺寸可控性的充要条件,改进了现有仅充分条件的结果。
2026-06-19 econ.EM math.ST stat.ME
A Heteroskedasticity-Robust Overidentifying Restriction Test with High-Dimensional Covariates
本文提出一种适用于高维线性工具变量模型的过度识别约束检验,允许协变量和工具变量数量超过样本量,通过最大范数检验和功效增强技术提升检验功效,并具有尺度不变性和异方差稳健性。
2024-05-06 econ.EM math.ST stat.ML
Robust Permutation Tests in Linear Instrumental Variables Regression
本文提出线性工具变量回归中识别稳健检验的置换版本,在正交性假设下对条件异方差稳健,并在工具独立时精确,兼具秩检验和野自助法优势。
2024-07-23 econ.EM
A robust specification test in linear panel data models
离群观测值的存在可能会对统计检验程序产生不利影响,导致不稳定的检验统计量和不可靠的推断,这取决于参数估计值的失真。尽管面板数据模型中异常值的不利影响,但只有少数稳健的检验方法可用于模型规格。本文提出了一种新的基于加权似然的稳健规格检验方法,以确定面板数据中包含个体特征成分的适当方法。在随机效应规格的原假设下,该检验已被证明具有与最常用的Hausman规格检验相同的渐近分布。通过蒙特卡罗模拟和经济合作与发展组织成员国的经济增长数据说明了稳健检验过程的有限样本性质。我们的记录显示,在存在污染的情况下,耐用质量标准检测在检测的尺寸和功效方面表现出改进的性能。
2021-04-15 econ.EM stat.ME
Robust tests for ARCH in the presence of the misspecified conditional mean: A comparison of nonparametric approches
本研究比较了稳健性检验的统计特性,这些检验对错误指定的条件均值的存在具有鲁棒性。在这项研究中采用的方法是基于两个非参数回归的条件均值。首先是使用Nadayara-Watson内核回归的测试。二是采用多项式近似回归进行了检验。这两种方法不需要指定的条件均值,可以适应各种非线性模型,这是未知的先验。因此,它们对错误指定的条件均值模型具有鲁棒性。仿真结果表明,对于各种非线性模型,基于多项式近似回归方法的非线性检验比基于Nadayara-Watson核回归方法的非线性检验具有更好的统计特性。
2019-09-01 econ.EM
Robust Inference with High-Dimensional Instruments
提出一种针对高维工具变量线性回归的弱识别稳健检验,采用自归一化统计量与随机矩阵理论,对网络和空间等误差依赖性具有稳健性,模拟证实其具有良好的尺寸控制与检验功效。
2025-06-30 econ.EM
A Consistent Heteroskedasticity Robust LM Type Specification Test for Semiparametric Models
针对半参数条件均值模型,提出了一种相容异方差稳健的Lagrange乘子(LM)型规格检验方法.通过使用级数方法将条件矩约束转化为越来越多的无条件力矩约束,实现了一致性。建议的检验统计量是直接计算,是渐近标准正常下的零。与早期文献中基于序列的规格检验参数模型相比,我依赖于系列估计的投影性质,并得出一个不同的标准化的检验统计量。与Gupta(2018)最近的测试相比,我使用了不同的方法来解释异方差性。我证明使用蒙特卡罗研究,我的测试具有优越的有限样本性能相比,现有的测试。我应用测试的半参数汽油需求规格之一,从Yatchew和No(2001),并没有发现反对它的证据。
2019-11-08 econ.EM
Unified and robust Lagrange multiplier type tests for cross-sectional independence in large panel data models
本文重新考察了大型面板数据模型中无横截面相关的零假设的拉格朗日乘数类型检验。我们提出了一个统一的测试程序和它的功率增强版本,这表明了广泛的一类面板模型上下文的鲁棒性。具体而言,这两个程序都适用于异质和固定效应面板数据模型的存在下,弱外生以及滞后相关的回归,允许一般形式的非正态误差分布。利用随机矩阵理论的工具,在时间段数和截面单元数成比例趋于无穷大的同时极限方案下,建立了检验程序的渐近有效性。推导出的理论是伴随着详细的蒙特卡罗实验,这证实了两个测试的鲁棒性,也表明功率增强技术的有效性。
2023-02-28 econ.EM
Robust Tests for Convergence Clubs
在收敛性检验中常见的许多应用中,横截面单元的数量很大,而时间段的数量很少。在这些情况下,基于综合零假设的渐近检验的特点是有许多问题。在本文中,我们提出了一个多个成对比较方法的基础上,一个递归的自助测试收敛俱乐部的组成没有先验信息。蒙特卡罗模拟表明,我们的基于引导的测试表现良好,正确识别收敛俱乐部相比,其他类似的测试,依赖于渐近参数。在一个潜在的大量的地区,使用跨国和区域的数据,欧盟,我们发现,大小失真的标准测试和结果的偏差,找到收敛,改善当我们利用我们的自助测试。
2018-12-22 econ.EM
A Robust Residual-Based Test for Structural Changes in Factor Models
本文提出一种基于残差的因子模型结构变化检验方法,对多种干扰情况稳健,推导了新的中心极限定理与检验统计量渐近性质,通过模拟和实证验证了其良好的检验水平与效力。
2025-01-19 econ.EM