A decomposition of Fisher's information to inform sample size for developing or updating fair and precise clinical prediction models -- Part 3: continuous outcomes
本研究针对现有连续型结局临床预测模型样本量指南未关注预测精度的问题，基于Fisher信息分解提出样本量计算方法，可评估数据集规模、确定目标精度下的样本量，还能跨亚组检验公平性，助力开发可靠公平的临床预测模型。
2025-07-31 stat.ME
A Tutorial on Fisher Information
在许多涉及数学心理学家的统计应用中，Fisher信息的概念起着重要的作用。在本教程中，我们将阐明Fisher信息的概念，因为它在三种不同的统计范式中表现出来。首先，在频率论范式中，Fisher信息被用来构造假设检验和使用最大似然估计的置信区间;其次，在贝叶斯范式中，Fisher信息被用来定义默认先验;最后，在最小描述长度范式中，Fisher信息被用来度量模型复杂性。
2017-10-17 math.ST stat.TH
Beyond the Sharp Null: Randomization Inference, Bounded Null Hypotheses, and Confidence Intervals for Maximum Effects
费雪随机化推论经常被认为是在检验一个无趣且不可信的假设：没有任何影响的尖锐零。我们认为这种观点过于狭隘。许多随机化检验在更一般的“有界”原假设下也是有效的，在该假设下，所有效应都是弱负（或正）的，从而适应异质效应。通过反转这些检验，我们可以为最大（或最小）效应形成单侧置信区间。这些性质适用于所有效应递增检验统计量，包括常见统计量（如均值差）和不常见统计量（如Stephenson秩统计量）。后者对极端效应的敏感性允许检测积极效应，即使平均效应是负面的。我们认为，有界空值往往是实质性的或理论上的利益，并说明了两个应用程序：测试单调性的IV分析和推断的影响大小在一个小的随机实验。
2017-09-21 stat.ME
A confidence interval robust to publication bias for random-effects meta-analysis of few studies
系统性综述旨在总结与特定研究问题相关的所有可用证据。如果合适，在荟萃分析中将来自已识别研究的数据定量合并。通常只有很少的研究针对一个特定的研究问题存在。在这些情况下，研究间异质性的估计具有挑战性。此外，发表偏倚的评估很难，因为标准方法（如目视检查或漏斗图中的正式假设检验）无法提供足够的指导。此前，Henmi和Copas（Statistics in Medicine 2010，29：2969--2983）提出了随机效应荟萃分析中总体效应的置信区间，该置信区间在一定程度上对发表偏倚具有稳健性。从他们的模拟中可以明显看出，与标准方法相比，置信区间的覆盖率有所提高。据我们所知，他们的方法的属性从未被评估为荟萃分析，包括少于5项研究。在这篇手稿中，我们提出了一个变化的方法Henmi和Copas采用改进的估计研究间的异质性，特别是当只处理少数研究。在模拟研究中，所提出的方法相比，几个竞争对手。总的来说，我们发现我们的方法在覆盖概率方面优于其他方法。特别是，与Henmi和Copas的建议相比，证明了改进。这项工作的动机和说明了系统的审查和荟萃分析在儿科免疫抑制肝移植后。
2020-07-11 stat.ME
Frequentist prediction intervals for random-effects meta-analysis via confidence-distribution propagation
The Institute of Statistical Mathematics（日本统计科学研究所）；The Graduate University for Advanced Studies（高级研究院）；Institute of Medical Biometry and Statistics, Medical Faculty and Medical Center – University of Freiburg（弗赖堡大学医学院医学中心医学生物统计学与统计研究所）
该研究提出一种置信分布传播方法，用于构建随机效应Meta分析的频率论预测区间，提升了覆盖率且宽度增加有限，相关功能已集成至R包cdmeta。
2026-09-18 stat.ME
Prediction intervals for random-effects meta-analysis based on confidence distributions and Edgington's method
Epidemiology, Biostatistics and Prevention Institute, Department of Biostatistics, University of Zurich（苏黎世大学流行病学、生物统计和预防研究所生物统计系）
针对随机效应元分析中异质性导致平均效应推断不足的问题，提出基于置信分布和Edgington p值组合法的预测分布构建方法，在少量研究时仍能实现名义覆盖并反映偏态。
2026-06-25 stat.ME
Edgington's Method for Random-Effects Meta-Analysis Part I: Estimation
Epidemiology, Biostatistics and Prevention Institute, Department of Biostatistics, University of Zurich（苏黎世大学流行病学、生物统计与预防研究所生物统计系）
本文扩展基于组合p值函数的元分析估计框架，通过置信分布方法纳入异质性估计不确定性，提出调整后的Edgington方法，模拟显示多数场景下95%置信区间接近名义覆盖率，点估计偏差小。
2026-06-25 stat.ME
Te Test: A New Non-asymptotic T-test for Behrens-Fisher Problems
Besters-Fisher问题是一个经典的统计问题。当总体方差相等性未知时，用两个独立样本检验两个正态总体的均值相等性。Linnik（1968）证明了这个问题没有基于完全充分统计量的精确固定水平检验。然而，确实存在基于其他统计量的精确常规解和基于完全充分统计量的近似解。现有的方法主要是渐近检验，当方差或样本量相差很大时，通常不能很好地执行。在本文中，我们提出了一种新的方法来寻找一个精确的t检验（Te），以解决这个经典的Beynes-Fisher问题。提供了两个平均值之间差异的置信区间。我们还使用详细的分析表明，Te测试达到最大的自由度，并给出了一个弱版本的证明，Te测试具有最短的置信区间长度期望。仿真结果表明，该方法与传统的Welch检验、配对t检验等方法相比，以及与两阶段检验等非传统方法相比，具有显著的优势。
2022-11-08 math.ST stat.TH
Combined P-value Functions for Compatible Effect Estimation and Hypothesis Testing in Drug Regulation
本文将两项试验规则与荟萃分析统一为组合p值函数框架，系统比较多种p值组合方法的统计性质，并在R包twotrials中实现相容的效应估计与假设检验。
2025-07-07 stat.ME
Publication Bias in Meta-Analysis: Confidence Intervals for Rosenthal's Fail-Safe Number
本文的目的是评估Rosenthal故障安全数的置信区间的有效性。虽然Rosenthal估计量被研究人员广泛使用，但其统计特性在很大程度上未被探索。首先，我们发展了统计学理论，使我们能够为罗森塔尔的故障安全数产生置信区间，这是通过辨别荟萃分析中分析的研究数量是固定的还是随机的来产生的。每种情况下产生不同的方差估计。对于给定数量的研究和给定的分布，我们提供了五个方差估计。置信区间采用正态近似和非参数bootstrap检验。不同的置信区间估计的准确性，然后通过模拟方法在不同的分布假设进行了测试。半正态分布方差估计量具有最好的概率覆盖。最后，我们提供了一个表的下置信区间罗森塔尔的估计。
2015-09-04 stat.ME stat.OT
Observed Fisher Information in hidden Markov models - Application to a noisy Gaussian random walk
Sorbonne Université, CNRS, Laboratoire de Probabilités, Statistique et Modélisation (LPSM)（索邦大学，法国国家科学研究中心，概率、统计与建模实验室）
本文提出基于Oakes恒等式的前向后向算法，精确计算高斯噪声下观测高斯随机游走的得分和观测Fisher信息矩阵，并利用Newton-Raphson算法进行参数估计和置信区间计算。
2026-06-01 stat.CO
Nonparametric generalized fiducial inference for survival functions under censoring
信念推断是费雪在20世纪30年代提出的一个有着悠久历史的理论，它有时会引起激烈的争论。然而，它的应用主要局限于相对简单的参数问题。在本文中，我们提出了可能是第一次的信念推断，由Hannig等人推广。（2016），系统地应用于右删失下的非参数生存函数的估计。我们发现，由此产生的信念分布产生了令人惊讶的良好的统计程序适用于一个样本和两个样本的问题。特别是，我们使用的生存函数的信念分布构造逐点和曲线置信区间的生存函数，并提出了基于曲线置信区间的测试。我们建立了一个功能性的Bernstein-von Mises定理，并在不同水平的删失情况下进行了全面的模拟研究。建议的基于基准的置信区间保持覆盖的情况下，渐近方法往往有很大的覆盖问题。此外，所提出的置信区间的平均长度通常短于保持覆盖率的竞争方法的长度。最后，在某些情况下，所提出的置信检验比各种类型的对数秩检验和超级对数秩检验更强大。我们说明了拟议的基准测试比较化疗与化疗联合放疗的数据，从局部不可切除的胃癌的治疗。
2018-03-24 stat.ME
Rejoinder to Reader Reaction "On exact randomization-based covariate-adjusted confidence intervals" by Jacob Fiksel
针对Fiksel的评论，提出解析反转Fisher随机化检验的新方法，处理非单调p值函数（如学生化t统计量），构造保证覆盖率的基于随机化的置信区间，解决现有矛盾并提高计算效率。
2025-02-25 stat.ME
A Unified Method for Improved Inference in Random-effects Meta-analysis
随机效应荟萃分析已广泛应用于各类医学研究的证据合成。然而，标准的推断方法（如限制性极大似然估计）通常会低估统计误差，并可能在现实情况下提供高度过度自信的结果;例如，置信区间的覆盖概率可能大大低于标称水平。其主要原因是，这些推理方法依赖于大样本近似，即使在实践中的综合研究的数量通常是小或中等。在这篇文章中，我们解决了这个问题，使用一个统一的推理方法的基础上广泛应用的随机效应荟萃分析的蒙特卡罗条件。所开发的方法提供了改进的置信区间，覆盖概率比标准方法更接近标称水平。作为具体的应用，我们提供了新的推理程序的三种类型的荟萃分析：传统的单变量荟萃分析成对治疗比较，荟萃分析的诊断测试的准确性，并通过网络荟萃分析的多个治疗比较。我们还通过实际数据的应用和模拟研究说明了这些方法的实际有效性。
2019-05-10 stat.ME
Robust Confidence Intervals for Meta-Regression with Interaction Effects
荟萃分析是一种重要的统计技术，用于综合关于同一或密切相关研究问题的多项研究的结果。所谓的荟萃回归通过解释研究水平的协变量来扩展荟萃分析模型。混合效应元回归模型通过适当考虑研究间异质性，为证据合成提供了一个强大的工具。事实上，根据随机效应和调节因子对研究效应进行建模不仅可以检查调节因子的影响，而且通常可以更准确地估计所涉及的参数。然而，由于对特定研究主题的研究数量往往很少，因此在元回归中往往忽略了交互作用。在这项工作中，我们考虑的研究问题（i）如何调节交互影响推理的混合效应元回归模型和（ii）是否有些推理方法比其他更可靠。在这里，我们回顾稳健的方法，置信区间的荟萃回归模型，包括交互作用。这些方法是基于稳健夹心估计的应用，用于估计模型系数向量的方差-协方差阵。此外，我们比较了这些强大的估计在一个广泛的模拟研究的不同版本。因此，我们调查的覆盖范围和长度的七个不同的置信区间在不同的条件下。最后，我们提出一些切实可行的建议。
2023-02-21 stat.AP stat.CO stat.ME
Robust inference for the unification of confidence intervals in meta-analysis
提出一种无需高斯假设的经验似然方法，用于元分析中置信区间的稳健合并，兼顾大样本性质与计算效率，并通过模拟和实例验证其优越性。
2024-04-21 stat.AP stat.ME
Nonparametric Estimation of the Fisher Information and Its Applications
University of Electronic Science and Technology of China（电子科技大学）；Princeton University（普林斯顿大学）
本文考虑了由大小为$n$的随机样本估计位置的Fisher信息的问题。首先，Bhattacharya提出的估计重新审视和改进的收敛速度。其次，提出了一种新的估计，称为裁剪估计。优越的上界的收敛速度可以显示为新的估计相比，巴塔查亚估计，尽管具有不同的规律性条件。第三，这两个估计的实际相关的情况下，高斯噪声污染的随机变量进行评估。此外，利用布朗恒等式，它涉及的Fisher信息和最小均方误差（MMSE）在高斯噪声中，两个相应的一致性估计的MMSE提出。Bhattacharya估计和裁剪估计以及MMSE估计的仿真例子。算例表明，与Bhattacharya估计相比，裁剪估计可以显著减少保证特定置信区间所需的样本量。
2020-05-07 cs.IT cs.LG eess.SP
Moment-based Random-effects Meta-analysis Equipped with Huber's M-Estimation
本文将 Huber M 估计融入基于矩的随机效应 Meta 分析，以改善小样本下研究间方差低估问题，并通过联合分布可视化提升治疗效应推断与置信区间准确性。
2024-12-05 stat.ME
Practical Valid Inferences for the Two-Sample Binomial Problem
我们感兴趣的是两个二项式参数是否不同，哪个参数更大，以及有多大。这个看起来很简单的问题在20世纪30年代由费舍尔提出，并从那时起成为许多评论文章的主题。然而，在这个问题上仍有新的工作，没有协商一致的解决办法。以前的评论主要集中在测试和有效性和功效的属性上，或者主要集中在置信区间、它们的覆盖范围和预期长度上。在这里，我们评估两者。例如，我们考虑p值及其匹配置信区间是否相容，这意味着当且仅当$1-α$置信区间排除所有空参数值时，p值在$α$水平下拒绝。为了聚焦，我们只检查非渐近推断，因此大多数p值和置信区间是有效的（即，准确地说，是建筑。在这个重点，我们回顾不同的方法，强调许多属性和解释方面，我们希望从应用频率论推理：有效性，准确性，良好的权力，等方差，兼容性，连贯性，参数化和方向的影响。我们表明，没有一种方法可以满足所有理想的属性，并根据这些属性给予更重要的建议。
2021-03-24 stat.ME
Interval Estimation of Relative Risks for Combined Unilateral and Bilateral Correlated Data
在临床试验或观察性研究中，测量值通常作为单侧或双侧数据收集。例如，在眼科研究中，主要结果通常从个体的一只眼睛或两只眼睛获得。在医学研究中，相对风险通常是感兴趣的参数，并且通常使用。在本文中，我们建立了三个置信区间的相对危险度合并的单侧和双侧相关数据下的等依赖性假设。建议的置信区间是基于使用Fisher评分法得出的参数的最大似然估计。进行模拟研究，以评估所提出的置信区间的经验覆盖概率，平均区间宽度，和近中未覆盖概率的比例，远端未覆盖概率的性能。我们还比较了所提出的方法与置信区间的方差估计方法的基础上恢复和置信区间从修改的泊松回归模型与相关的二进制数据。我们建议在一般应用中使用分数置信区间，因为它能最好地控制在95%水平上的收敛概率，并具有合理的平均区间宽度。我们用一个真实世界的例子来说明这些方法。
2021-10-29 math.ST stat.ME stat.TH
Generalized Fiducial Inference for Ultrahigh Dimensional Regression
近年来，多维线性回归问题引起了研究界的极大关注。在稀疏性假设下，大多数已发表的工作都致力于选择和估计的显着预测变量。本文研究了这个问题的一个不同的，但从根本上重要的方面：参数估计和模型选择的不确定性量化。更具体地说，本文提出的方法来推导的概率密度函数的所有可能的模型的集合，也为相应的参数构造置信区间。这些建议的方法是使用广义基准方法，这是一个有争议的费舍尔的基准思想的变体。研究了所提方法的理论性质，特别是证明了基于所提方法的统计推断将具有精确的渐近频率论性质。在经验性能方面，所提出的方法进行了测试模拟实验和应用到一个真实的数据集。最后，这项工作也可以被视为一个有趣的和成功的应用费舍尔的基准思想的一个重要的和当代的问题。据作者所知，这是第一次将基准思想应用于所谓的“大p小n”问题。
2013-04-30 stat.ME
Leveraging the Fisher randomization test using confidence distributions: inference, combination and fusion learning
Fisher随机化检验（FRT）的灵活性和广泛适用性使其成为评估现代随机化实验干预措施因果效应的有吸引力的工具，这些实验的规模和复杂性都在增加。本文通过建立FRT与置信分布的联系，为FRT提供了一个理论推导框架。这种联系导致了（i）一个用于FRT反演的明确过程，以生成具有保证覆盖的置信区间，（ii）将来自多个独立实验的FRT与理论保证相结合的通用和特定方法，以及对蒙特卡罗样本大小对FRT结果的影响提出了新的见解。我们的发展涉及有限的样本设置，但有直接扩展到大样本。仿真和一个案例证明了这些新的发展的好处。
2020-04-17 math.ST stat.ME stat.TH
Confidence regions for high-dimensional generalized linear models under sparsity
研究了高维稀疏模型中低维参数的渐近正态估计和置信区域。我们的方法是基于$\ell_1$ -惩罚的M-估计，这是用于建设的偏差校正估计。在高维参数的稀疏性假设、期望损失的光滑性条件和熵条件下，证明了该估计是渐近正态的.这导致一致有效的置信区域和低维参数的假设检验。本方法的不同之处在于它允许处理我们不能充分微分的损失函数，例如分位数损失、Huber损失或铰链损失函数。我们还提供了新的结果估计的逆费舍尔信息矩阵，这是必要的建设建议的估计。我们制定我们的结果一般模型在高层次的条件下，但这些条件详细研究广义线性模型，并提供温和的充分条件。作为特定的例子，我们调查的情况下，分位数损失和Huber损失的线性回归，并证明了性能的估计在模拟研究和真实的数据集从全基因组关联研究。我们进一步研究的情况下，逻辑斯谛回归，并说明了模拟和真实数据的估计性能。
2016-10-05 math.ST stat.ME stat.TH
Introduction to Generalized Fiducial Inference
信念推断是在20世纪上半叶由Fisher（1935）引入的，作为一种获得参数的类后验分布的方法，而不必任意定义先验。虽然该方法最初由于多变量情况下的非精确性问题而失宠，但该方法在过去十年中重新引起了人们的兴趣。这在一定程度上是由于广义信念推断的发展，广义置信推断是广义置信区间的一种置信观点：一种用于找到近似置信分布的方法。在这一章中，我们阐明了有用的信念哲学，介绍了广义信念分布的定义，并将其应用到有趣的，非平凡的推理例子。
2023-02-28 math.ST stat.ME stat.TH
Statistical Inference for Random Unknowns via Modifications of Extended Likelihood
本文通过修正扩展似然提出h-似然和h-置信，用于含随机未知量的统计模型，实现点估计、区间估计与预测，并达到广义Cramér-Rao下界。
2025-02-28 math.ST stat.ME stat.TH
Confidence interval for the AUC of SROC curve and some related methods using bootstrap for meta-analysis of diagnostic accuracy studies
摘要受试者工作特征（SROC）曲线下面积（AUC）是诊断试验准确性研究（DTA）荟萃分析的主要统计结果。然而，由于没有提供确定的方法和统计包，在大多数DTA荟萃分析中没有报告其置信区间。在这篇文章中，我们提供了一个bootstrap算法来计算AUC的置信区间。此外，使用bootstrap框架，我们可以进行bootstrap检验，以评估多种诊断测试的AUC差异的显著性。此外，我们提供了一种基于AUC的影响诊断方法，通过留一研究分析。我们提出了说明性的例子，使用两个DTA MET分析宫颈癌和哮喘的诊断测试。我们还为这些计算开发了一个易于处理的R包dmetatools。这些方法提供的各种定量证据肯定支持DTA荟萃分析的统计证据的解释和精确评价。
2020-06-16 stat.AP
Permutation inference methods for multivariate meta-analysis
多变量荟萃分析在证据合成研究中越来越突出，因为它可以同时合成多个相关的结果数据，随机效应模型通常用于解决研究间的异质性。然而，随机效应模型的标准推断方法的置信区域或区间的覆盖概率（例如，限制性极大似然估计）一般不能保持其标称置信水平，尤其是当合成研究的数量较少时，因为它们的有效性依赖于大样本近似。在这篇文章中，我们提供了基于置换的推理方法，使精确的联合推理的平均结果的措施，没有大样本近似。我们还提供了准确的边际推理方法下的一般设置的多元荟萃分析。我们提出了有效的方法，置换推理使用最佳加权的基础上有效的得分统计。所提出的方法的有效性说明通过应用到双变量荟萃分析的诊断准确性研究气道嗜酸性粒细胞增多症哮喘和抗高血压药物的网络荟萃分析事件糖尿病，以及通过模拟实验。在通过模拟进行的数值评估中，我们的方法通常在广泛的设置范围内提供准确的置信区域或区间，而当前的标准推断方法表现出严重的覆盖不足特性。
2019-07-30 stat.AP stat.ME
False confidence, non-additive beliefs, and valid statistical inference
自费雪、奈曼、杰弗里斯等人的时代以来，统计学已经取得了巨大的进步，但困扰我们的开国元勋们的关于概率和推理的基本和实际相关的问题仍然没有答案。为了弥合这一差距，我建议超越这两个主流思想流派，提出以下三个问题：科学家需要统计数据做什么？现有的框架是否满足这些需求？如果不能，如何填补空白？对于第一个问题，我认为科学家们试图转换他们的数据，假设统计模型等，转化为对感兴趣的量的校准的置信度。对于第二个问题，我认为，任何框架，返回添加剂的信念，即，概率，必然遭受{ \em假置信度}-某些假假设往往被赋予高概率-因此，有系统偏倚的风险。这揭示了在统计推断的背景下{ \em非加性信念}的根本重要性。但是，仅凭非可加性是不够的，所以，对于第三个问题，我提供了一个充分条件，称为{ \em有效性}，以避免错误的信心，并提出了一个框架，基于随机集和信念函数，可证明满足这个条件。最后，我讨论的p值和置信区间的有效的非添加剂的信念，这意味着这些经典的程序的用户已经按照建议的框架，而不知道它的特征。
2019-06-26 math.ST stat.ME stat.TH
Revisiting Inference for ARMA Models: Improved Fits and Superior Confidence Intervals
针对ARMA模型标准推断的局部最优和置信区间缺陷，提出随机初始化算法和剖面似然方法，改进拟合精度并给出更优置信区间。
2025-10-27 stat.CO stat.ME
Fiducial Confidence Intervals for Agreement Measures Among Raters Under a Generalized Linear Mixed Effects Model
本文在三级设计下推广经典一致性相关系数（CCC），开发基于模型线性化和置信推断的区间估计方法，该方法在覆盖概率和预期宽度上优于Fisher Z变换法，并通过两个实际应用验证其有效性。
2025-04-13 stat.AP stat.ME
Confidence intervals for sensitivity indices using reduced-basis metamodels
全局敏感性分析对于复杂和时间要求高的数值模型通常是不切实际的，因为它需要大量的运行。缩减基方法提供了一种用运行速度更快的代码替换原始模型的方法。本文研究了灵敏度指标估计中的近似信息损失问题。我们提出了一种方法，提供了一个强大的错误评估，从而使显着节省时间，而不牺牲精度和严谨性。我们用一个实验来说明我们的方法，其中计算时间除以近6的因子。我们还给出了调整我们的估计算法中使用的一些参数的方向。
2011-02-23 math.ST stat.CO stat.TH
Statistical Inference and A/B Testing in Fisher Markets and Paced Auctions
本文针对线性Fisher市场和一阶价格pacing均衡（FPPE）两种市场均衡模型，基于Eisenberg-Gale凸规划提出统计推断框架，推导收敛性、渐近分布与置信区间，并证明其可用于拍卖平台统计有效的A/B测试。
2025-03-06 cs.GT econ.EM math.ST
Randomization Inference for Composite Experiments with Spillovers and Peer Effects
群体形成实验是将实验单位随机分配给群体，是研究社会科学中同伴效应的有力工具。现有的设计和分析方法允许研究人员从这些实验中得出推论，而不依赖于参数假设。然而，在实践中，群体形成实验往往与第二个外部干预相结合，这是不占标准的非参数方法。本说明介绍了如何为此类复合实验构建Fisherian随机化检验和Neymanian渐近置信区间，包括在第二次干预显示溢出的情况下。我们还提出了一种设计最优复合实验的方法。
2021-02-28 math.ST stat.ME stat.TH
On confidence intervals for precision matrices and the eigendecomposition of covariance matrices
KU Leuven（鲁汶大学）；University of Oulu（奥卢大学）；IPSOS（益普索）
矩阵的特征分解是基于矩阵分解的概率模型的核心过程，例如主成分分析和主题模型。基于有限样本估计量化此类分解的不确定性对于在使用此类模型时在不确定性下进行推理至关重要。本文解决了计算固定维数的协方差阵的特征向量的各个元素的置信界的挑战。此外，我们推导出一种方法来界定逆协方差阵，所谓的精度矩阵的元素。我们的方法背后的假设是最小的，并要求协方差阵存在，其经验估计收敛到真正的协方差。我们利用U-统计量的理论来限制经验协方差阵的$L_2$扰动。从这个结果，我们得到的特征向量上的界限，使用Weyl定理和特征值特征向量的身份，我们推导出置信区间的条目的精度矩阵使用矩阵求逆扰动界。作为这些结果的应用，我们展示了一个新的统计检验，它允许我们测试精度矩阵的非零值。我们比较这个测试著名的Fisher-Z测试的偏相关，并证明了建议的统计测试的合理性和可扩展性，以及它的应用程序从医学和物理领域的真实世界的数据。
2022-08-25 cs.LG math.ST stat.TH
On p-value combination of independent and frequent signals: asymptotic efficiency and Fisher ensemble
结合p值来整合多个效应是社会科学和生物医学研究的长期兴趣。在本文中，我们专注于重温一个经典的场景密切相关的荟萃分析，它结合了一个相对较小的（有限和固定）的p值，而样本量生成每个p值是大的（渐近无穷大）。我们评估了一系列传统的和最近开发的修正Fisher方法，以研究它们的渐近有效性和有限样本数值性能。结果表明，Fisher和自适应加权Fisher方法在不同比例的真实信号下具有最佳性能和互补优势。最后，我们提出了一种集成方法，即Fisher集成，结合使用一个强大的截断柯西集成方法的两个性能最好的Fisher相关的方法。我们发现，Fisher集成实现渐近Bahadur最优性，并集成了Fisher和自适应加权Fisher方法的优势在模拟中。随后，我们扩展费舍尔合奏强调一致的影响大小方向的权力的变体。转录组荟萃分析应用程序证实了理论和模拟结论，产生有趣的生物标志物和途径的发现，并展示了使用建议的Fisher集成方法的优势和策略。
2022-04-14 stat.ME
A Sheet of Maple to Compute Second-Order Edgeworth Expansions and Related Quantities of any Function of the Mean of an iid Sample of an Absolutely Continuous Distribution
我们设计了一个完全自动化的Maple（$\geqslant 15$）工作表，用于导出Edgeworth和Cornish-Fisher展开式以及自举偏差校正和加速技术的加速常数。它对任何（学生化）统计量的非参数或参数自举有效，这些统计量是绝对连续分布的iid样本的平均值的足够规则的函数。这个工作表允许我们指出Das Gupta在[8]中定理13.5中陈述的学生化平均值的二阶Cornish-Fisher展开中的一个错误，并着重讨论了归一化常数的微小变化对计算t-方程的二阶Edgeworth展开式和Cornish-Fisher展开式的影响。分布如Lehman和Romano在[14，p.460]中的定理11.4.2所述。此外，我们成功地将工作表应用于复杂的极大似然估计作为第一步，以获得更准确的置信区间，以加强质量控制。该工作表还可以将Maple结果导出为R代码。此外，我们还提供了R代码来绘制这些扩展以及它们不断增加的重排。所有这些补充材料可根据要求提供。
2018-09-30 math.ST stat.CO stat.TH
A note on a confidence bound of Kuzborskij and Szepesvári
在最近的一项有趣的工作中，Kuzborskij和Szepesvári推导出了独立随机变量函数的置信区间，该置信区间基于一个不等式，该不等式将浓度与所选函数的平方扰动联系起来。Kuzborskij和Szepesvári还建立了他们的置信区间的PAC贝叶斯化。他们的工作的两个重要方面是，随机变量可以是无限的范围，并不一定是一个相同的分布。这篇文章的目的是宣传/讨论这些有趣的结果，简化证明。这个临时说明是为那些喜欢“精选电影”但更喜欢跳过预览序列的人写的。
2021-01-12 math.PR stat.ML
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
P-value evaluation, variability index and biomarker categorization for adaptively weighted Fisher's meta-analysis method in omics applications
荟萃分析方法已被广泛用于结合多项临床或基因组研究的结果，以增加统计功效并确保稳健和准确的结论。自适应加权Fisher方法（AW-Fisher）是一种有效的方法，可结合来自$K$独立研究的p值，并通过表征哪些研究有助于荟萃分析来提供更好的生物学解释。目前，AW-Fisher缺乏快速、准确的p值计算和AW权重的变异性估计。当研究$K$的数量很大时，$3^K - 1$可能的差异表达模式类别可能变得难以处理。在本文中，我们应用重要性抽样技术与样条插值，以提高精度和速度的p值计算。使用reservation技术，我们提出了一个变异指数的AW权重估计和共同隶属度矩阵来表征基因之间的模式相似性。共同隶属度矩阵进一步用于基于差异表达基因的元模式对差异表达基因进行分类，以用于进一步的生物学研究。所提出的方法的优越性能在模拟中示出。这些方法也适用于两个实际的应用程序，以证明有趣的生物学发现。
2017-08-16 stat.AP stat.ME
Improved Confidence Regions in Meta-analysis of Diagnostic Test Accuracy
诊断试验准确性研究的Meta分析在临床流行病学研究和卫生技术发展中越来越受到重视，双变量随机效应模型正成为标准工具。然而，标准的推断方法通常低估统计误差，并可能提供高度过度自信的结果在现实情况下，因为他们忽略了方差参数估计的变异性。为克服这一困难，提出了一种新的改进推断方法，即通过渐近扩展标准置信区域的覆盖概率，得到DTA荟萃分析的精确置信区域。所提出的置信区域的优点是它具有相对简单的表达式，并且不需要任何重复的计算，如Bootstrap或蒙特卡罗方法来计算区域，因此所提出的方法可以很容易地在实际应用中执行。所提出的方法的有效性证明通过模拟研究和应用元分析筛选测试准确性酒精问题。
2020-06-18 stat.ME
Edgington's Combination Method for Two-Study Meta-Analysis: An Empirical Evaluation in 1226 Meta-Analyses
University of Zurich（苏黎世大学）；ETH Zurich（苏黎世联邦理工学院）；Institute for Quality and Efficiency in Health Care (IQWiG)（医疗保健质量与效率研究所）
研究针对双研究元分析中统计挑战，探究基于埃丁顿p值组合方法的元分析，将其应用于1226项分析，该方法在同质性下校准，能自适应调整置信区间宽度，与固定效应元分析在多数情况下统计显著性一致，为现有方法提供补充。
2026-07-29 stat.AP
Prediction intervals for random-effects meta-analysis: a confidence distribution approach
针对随机效应元分析中Higgins-Thompson-Spiegelhalter预测区间依赖大样本近似、小样本表现差的问题，提出基于Bootstrap的替代方法，模拟验证其覆盖率接近名义水平，并应用于三项元分析。
2025-11-13 stat.ME
Adjusting for publication bias in meta-analysis via inverse probability weighting using clinical trial registries
发表偏倚是进行系统性综述和荟萃分析时的一个主要问题。各种敏感性分析或偏差校正方法已被开发的基础上选择模型，它们有一些优于广泛使用的偏差校正方法的修剪和填充方法。然而，基于选择模型的似然方法可能难以获得精确的估计值和合理的置信区间，或者需要复杂的敏感性分析过程。在本文中，我们开发了一种简单的出版偏倚调整方法，利用临床试验注册中已进行但尚未发表的试验信息。本文将发表偏倚问题看作是非随机缺失情形下的缺失数据问题，引入了选择函数中参数估计的估计方程。利用估计的选择函数，我们引入了逆概率加权（IPW）方法来估计研究间的总体均值。此外，IPW版本的异质性措施，如研究间方差和I2措施的建议。我们提出的方法来构建渐近置信区间，并建议间隔参数自举作为一种替代。通过数值实验，我们观察到，估计成功地消除了偏差和置信区间的经验覆盖概率接近名义水平。另一方面，在某些情况下，渐近置信区间比自举置信区间宽得多。因此，建议将后者用于实际应用。
2021-09-26 stat.ME
Likelihood-based meta-analysis with few studies: Empirical and simulation studies
标准的随机效应荟萃分析方法在仅应用于少数研究时表现不佳。然而，这种设置在实践中经常遇到。目前还不清楚，是否或在多大程度上可以改善小样本量的行为，更复杂的建模。我们考虑几种基于似然的推理方法。置信区间基于正态或Student-t近似。我们从德国卫生保健质量和效率研究所（IQWiG）最近发表的评论中提取了40项荟萃分析的经验数据集。方法进行比较，以及在模拟研究中，考虑比值比和风险比的影响大小。根据经验，大多数确定的荟萃分析仅包括2项研究。在模拟研究中，在存在异质性和少数研究的情况下，覆盖概率低于基于正态近似的所有频率论方法的标称水平，特别是当荟萃分析中的大小不平衡时，但当调整置信区间时，覆盖概率有所改善。贝叶斯方法在所有情况下都比具有正态近似的频率论方法具有更好的覆盖率。根据经验，在模拟研究中，可信区间比未调整的置信区间宽，但比调整后的置信区间窄得多。基于广义线性混合模型的置信区间一般比其他频率论方法的置信区间稍窄。由于频繁的数值问题，某些方法变得不切实际。在研究间存在异质性的情况下，特别是研究规模不平衡的情况下，在将荟萃分析方法应用于少数研究时需要谨慎，因为覆盖概率可能会受到影响，或者间隔不确定。贝叶斯估计与一个明智的选择之前的试验间异质性可能会提供一个有前途的妥协。
2018-10-30 stat.ME
Optimal inference via confidence distributions for two-by-two tables modelled as Poisson pairs: fixed and random effects
University of Oslo（奥斯陆大学）
本文提出基于置信分布的2×2表元分析方法，适用于稀有事件，提供治疗效应和比率的最优推断。
2026-02-20 stat.ME
Individual Treatment Effect: Prediction Intervals and Sharp Bounds
本文研究随机实验中个体处理效应因潜在结果联合分布仅部分识别而带来的可学习极限，推导 ITE 预测区间及其 pmf 的尖锐界，并对比 ATE 置信区间及 Fisher/Neyman 零假设。
2025-06-09 econ.EM math.ST stat.ME
