A class of goodness-of-fit tests for spatial extremes models based on max-stable processes
参数最大稳定过程越来越多地用于模拟空间极值。从极大稳定过程的相依结构完全由极值copula刻画这一事实出发,基于相应的未知多元Pickands相依函数的非参数估计和参数估计之间的比较,提出了一类拟合优度检验.由于考虑中的高维设置,这些功能的估计只比较在一组特定的点,在这些点上,他们一致,乘法常数,与极值系数的估计。在这项工作中使用的Pickands依赖函数的非参数估计是最近研究的Gudendorf和Segers。参数估计依赖于使用{ \em成对伪似然},其将成对(复合)似然的概念扩展到基于秩的上下文。通过{ \em一级或二级参数自举}获得所得无边际检验的近似$p$值。基于Genest和Rémillard的工作给出了这些恢复程序渐近有效的条件。有限样本性能的测试进行了研究,在10维史密斯,Schlather和几何高斯模型下。最后给出了检验在降雨资料中的应用。
2014-05-04 stat.ME
A Unified Combination Framework for Dependent Tests with Applications to Microbiome Association Studies
本研究提出一种可处理相依检验的统一元分析组合框架,证明标准柯西组合是其特例,可解决该方法分布假设不成立的问题,能准确控制检验水平、提升功效,应用于微生物组关联研究可更高效发现相关关联。
2024-04-14 stat.AP stat.ME stat.ML
Maximum smoothed likelihood method for the combination of multiple diagnostic tests, with application to the ROC estimation
National University of Singapore(新加坡国立大学);University of Waterloo(滑铁卢大学)
本文提出了一种最大平滑似然方法,用于结合多个诊断测试以提高分类准确性,并应用于ROC曲线和AUC的估计。
2026-01-07 stat.ME
Doubly Robust Goodness-of-Fit Test of Coarse Structural Nested Mean Models with Application to Initiating combination antiretroviral treatment in HIV-Positive Patients
粗结构嵌套均值模型(SNEML)为从具有时间依赖性混杂因素的纵向观察数据中估计处理效应提供了有用的工具。粗SNARY产生了一大类估计量,其中可以在处理效应、处理开始和滋扰回归结果的良好指定模型的条件下导出最佳估计量(Lok & Griner,2015)。关键假设在于处理效应的明确指定模型;然而,没有指定处理效应模型的现有指南,模型错误指定导致估计值偏倚,妨碍有效推断。为了检验处理效应模型是否与数据匹配良好,我们基于过度识别限制检验推导出拟合优度(GOF)检验程序(Sargan,1958; Hansen,1982)。我们表明,我们的GOF统计是双重强大的意义上说,一个正确的处理效应模型,如果治疗启动模型或滋扰回归结果模型被正确指定,GOF统计有卡方限制分布的自由度等于数量的过度识别的限制。我们使用基于实际数据集的模拟设计来证明我们的方法的经验相关性。此外,我们应用GOF测试程序来研究感染后高效抗逆转录病毒治疗(HAART)的开始时间如何预测急性和早期感染的HIV阳性患者的一年处理效应。
2015-12-10 stat.ME
Aggregating Dependent Signals with Heavy-Tailed Combination Tests
针对组合依赖p值的统计推断挑战,本文在固定p值数量、显著性水平趋近于零的渐近框架下,理论和实证评估了柯西组合检验等重尾组合检验方法,发现其在成对准渐近依赖下比Bonferroni检验更有效,为依赖场景的信号聚合提供了依据。
2025-04-19 math.ST stat.AP stat.ME
On the universal calibration of heavy-tailed combination tests
University of Michigan(密歇根大学)
本文研究了重尾组合检验在依赖情况下的校准特性,证明了谐均检验在任意尾部依赖下均能普遍校准,而其他检验如Cauchy组合检验则表现出保守性。
2026-09-09 math.PR math.ST stat.AP
Accurate $p$-Value Calculation for Generalized Fisher's Combination Tests Under Dependence
组合显著性的相关检验具有广泛的应用,但$p$值计算具有挑战性。目前的力矩匹配方法(例如,Brown近似值)在小于0.05的水平上倾向于显著地增大第一类错误率。它可能会导致大数据分析中的重大错误发现。本文提供了几个更准确和计算效率更高的$p$值计算方法的一般家庭的Fisher型统计量,简称为GFisher。GFisher涵盖Fisher组合、Good统计、Lancaster统计、加权Z分数组合等。它允许灵活的加权方案,以及自动适应给定数据的适当权重和自由度的综合程序。新的$p$值计算方法是基于矩比匹配和联合分布替代的新思想。系统的模拟表明,他们是准确的多元高斯下,和鲁棒的广义线性模型和多元$t$ -分布下,至少下降到$10^{-6}$水平。我们说明了有用的GFisher和新的$p$值计算方法在分析模拟和真实数据的基因为基础的SNP-集关联研究遗传学。相关计算已在R软件包$GFisher$中实现。
2020-03-03 stat.CO stat.ME
Evaluating the Cauchy Combination Test for Count Data
本研究通过模拟评估柯西组合检验在独立和相关计数数据中的性能,发现负二项成功参数、p值数量及copula选择影响第一类错误率,且CCT在强相关下控制更优。
2025-04-20 stat.CO stat.ME
Cauchy combination test: a powerful test with analytic p-value calculation under arbitrary dependency structures
组合单个p值以聚合多个小效应在统计学中有着长期的兴趣,可以追溯到经典的Fisher组合检验。在现代大规模数据分析中,相关性和稀疏性是数据的共同特征,高效的计算是处理海量数据的必要条件。为了克服这些挑战,我们提出了一个新的测试,利用柯西分布。我们的检验统计量具有非常简单的形式,并且被定义为单个p值的柯西变换的加权和。我们证明了一个非渐近的结果,我们提出的检验统计量的零分布的尾部可以很好地近似为任意依赖结构下的柯西分布。基于这一理论结果,我们提出的检验的p值计算不仅准确,而且与经典的z检验或t检验一样简单,使我们的检验非常适合分析海量数据。我们进一步表明,所提出的测试的功率是渐近最优的强稀疏设置。大量的模拟表明,所提出的测试既有强大的力量对稀疏的替代品和一个很好的精度相对于p值的计算,特别是对于非常小的p值。拟议的测试也被应用到克罗恩病的全基因组关联研究,并与现有的几个测试进行比较。
2018-11-28 math.ST stat.ME stat.TH
The Cauchy Combination Test under Arbitrary Dependence Structures
在大规模数据分析中经常会遇到聚合多个效应,其中显著效应的比例通常很小。许多现有的方法不能有效地处理它,因为缺乏小的p值的计算精度。柯西组合检验(缩写为CCT)(美国统计学会杂志,2020,115(529):393-402)是在任意相关性结构下聚合个体$p$值的强大且计算有效的检验。本文重新讨论了CCT的三个重要贡献:(1)CCT的尾概率可以用标准的柯西分布在更宽松的条件下很好地近似于单个p值,而不是原来的检验统计量;(2)松弛条件被证明满足于许多流行的Copula公式的二元分布;(iii)在一定的正则条件下,当检验次数趋于无穷大时,CCT检验的功效不小于最小型检验的功效。这些结果进一步拓宽了CCT的理论和应用。仿真结果验证了理论分析的正确性,并利用前列腺癌研究数据对CCT的性能进行了进一步的评估。
2022-08-02 math.ST stat.ME stat.TH
A minimum Wasserstein distance approach to Fisher's combination of independent discrete p-values
Worcester Polytechnic Institute(伍斯特理工学院)
针对离散p值Fisher组合的保守性问题,提出基于最小Wasserstein距离的调整框架,用最优gamma分布替代传统卡方分布作为零近似,提升了I类错误控制和统计功效。
2024-07-12 math.ST stat.ME stat.TH
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
Stable Exponential Random Graph Models with Non-parametric Components for Large Dense Networks
指数随机图模型(ERGM)在具有数千个参与者(节点)的大型网络中表现出特殊的行为。包含两星或三角形计数作为统计数据的标准模型通常不稳定,导致完全满或空的网络。此外,数值方法的故障,这使得它复杂的ERGM应用于大型网络。在本文中,我们提出了两种策略来规避这些障碍。首先,我们将模型拟合到子采样网络,其次,我们展示了线性统计(如两星等)可以用光滑的功能部件代替。这两个步骤相结合,可以使稳定的模型适合大型网络数据,这是由一个数据示例,包括残差分析。
2016-04-16 stat.AP stat.ME
Testing for Stable Intervals in Non-Stationary Time Series
FH Aachen(亚琛应用科学大学)
针对非平稳时间序列中可能存在科学意义稳定区间的问题,构建带相依局部平稳误差的回归模型检验框架,通过局部线性回归估计与极值近似实现渐近水平控制的相合检验,并经模拟与实际数据验证。
2026-08-26 math.ST stat.ME stat.TH
Balance-Subsampled Stable Prediction
Zhejiang University(浙江大学);The University of Hong Kong(香港大学)
在机器学习中,通常假设训练数据和测试数据共享相同的总体分布。然而,在实际应用中,由于样本选择偏差会导致训练数据向测试数据的分布偏移,这一假设常常被违背。这种与模型无关的分布偏移通常会导致未知测试数据的预测不稳定。本文基于部分因子设计理论,提出了一种新的平衡下采样稳定预测(BSSP)算法。它将每个预测因子的明确效应与混杂变量隔离开来。设计理论分析表明,该方法能有效地降低由分布偏移引起的预测变量间的混杂效应,从而提高参数估计的精度和预测的稳定性。在合成数据集和真实数据集上的数值实验表明,我们的BSSP算法在未知测试数据上的稳定预测性能明显优于基线方法。
2020-06-08 cs.LG stat.ME stat.ML
CauchyCP: a powerful test under non-proportional hazards using Cauchy combination of change-point Cox regressions
针对非比例风险数据,提出CauchyCP检验,结合变点Cox回归的Cauchy组合,在控制I类错误、提高功效和计算效率上优于现有方法,并已在CRAN发布R包。
2020-12-31 q-bio.GN stat.AP stat.ME
Sharp adaptive and pathwise stable similarity testing for scalar ergodic diffusions
针对非参数扩散模型中未知漂移与参考漂移的相似性推断问题,提出无需先验违例区域信息的多重检验方法,证明其极小极大最优与自适应性,且对驱动噪声偏离布朗运动的情况(含近布朗运动的分数噪声)具稳健性。
2024-04-16 math.PR math.ST stat.ME
Sequential tests and estimates after overrunning based on $p$-value combination
在连续试验中,在达到停止边界后,通常会有额外的数据可用。基于结合$p$值的“增加加权Z”方法,开发了一种结合超限信息的方法。这将产生主要检验的组合$p$值以及受试参数的中位无偏估计和置信界限。当超限信息量与终止序贯检验时的可用信息量成正比时,提供精确推理方法;否则,给出近似方法并进行评估。上下文是观察布朗运动漂移,无论是在连续时间或离散时间组序列边界的线性停止边界。该方法与其他可用的方法进行了比较,并举例说明了从两个连续的临床试验的数据。
2008-05-20 math.ST stat.AP stat.CO
Sliced Inverse Moment Regression Using Weighted Chi-Squared Tests for Dimension Reduction
本文提出了一种利用前两个逆矩进行回归降维的新方法。我们开发相应的加权卡方检验的回归维度。该方法考虑了切片逆回归(SIR)的线性组合,并使用一个新的候选矩阵,该矩阵被设计为恢复整个逆二阶矩子空间的方法。可以基于从维度检验导出的p值来选择最佳组合。理论上,该方法以及切片平均方差估计(SAVE)比SIR和主Hessian方向(pHd)更能够恢复完整的中心降维子空间。因此,它可以在理论水平上替代SIR、pHd、SAVE或它们的任何线性组合。仿真研究表明,所提出的方法可以有一致的更大的功率比SIR,pHd,和SAVE。
2013-08-24 math.ST stat.ME stat.TH
Optimal Adjustment and Combination of Independent Discrete $p$-Values
本研究拓展基于最优传输的离散$p$-值组合框架,为多种经典组合方法提供统一途径,实现准确I类错误控制与接近UMP检验的功效,已在R包DPComb实现并应用于罕见变异遗传关联研究。
2025-08-04 math.ST stat.ME stat.TH
Fisher's combined probability test for high-dimensional covariance matrices
在高维数据的统计分析中,检验大的协方差阵是非常重要的。在过去的十年中,文献中研究了三种类型的检验统计量:二次型统计量、最大型统计量及其加权组合。众所周知,二次型统计量将遭受低功率对稀疏的选择和最大形式的统计量将遭受低功率对密集的选择。在适当选择权值的情况下,引入加权组合方法来提高二次型统计量或最大型统计量的功效。在本文中,我们提供了一个新的视角,充分利用二次型统计量和最大型统计量的测试高维协方差阵的潜力。我们提出了一种基于Fisher方法的尺度不变功率增强检验,将二次型统计量和最大型统计量的p值结合起来。在仔细研究了二次型统计量和最大型统计量的渐近联合分布后,我们证明了所提出的组合方法保持了正确的渐近大小,并提高了对更一般的选择的能力。此外,我们证明了有限样本的性能在模拟研究和实际应用。
2020-05-31 math.ST stat.AP stat.ME