Spatially-Dependent Multiple Testing Under Model Misspecification, with Application to Detection of Anthropogenic Influence on Extreme Climate Events
天气风险归因预测(WRAF)是一种预测工具,它使用全球气候模型的输出来同时说明温室气体排放是否以及如何导致全球极端天气。然而,在进行大量的同时假设检验时,WRAF倾向于识别错误的“发现”。“解决这种多重检验问题的一种常用技术是调整程序,以控制被错误拒绝的真零假设的比例,或错误发现率(FDR)。不幸的是,当假设是相关的时,通用FDR程序遭受低功率,并且设计用于解释相关性的技术对底层统计模型的错误指定敏感。在本文中,我们开发了一个贝叶斯决策理论方法的依赖多重检验和非参数层次统计模型,灵活地控制错误的发现,是强大的模型误指定。我们说明了我们的程序的鲁棒性模型误差与模拟研究,使用一个框架,占通用空间依赖性,并允许从业者灵活地指定的决策标准。最后,我们将我们的程序应用到几个季节性预测和讨论WRAF工作流程的实现。
2017-11-14 stat.AP
Hub Neighbor-Degree Diagnostics for Sparse Random Graphs
Shanghai Center for Mathematical Sciences, Fudan University(复旦大学上海数学中心);Shanghai Academy of Artificial Intelligence for Science(上海人工智能研究院)
针对稀疏随机图的中心节点邻域度开发诊断统计量,转化为拟合优度检验,经模拟及高中接触、arXiv合著等网络验证,可区分模型误设与残留邻域趋势。
2026-07-30 math.ST stat.TH
Parametric MMD Estimation with Missing Values: Robustness to Missingness and Data Model Misspecification
CNRS, LPSM, Sorbonne Université, Université Paris Cité(法国国家科学研究中心,统计与概率实验室,索邦大学,巴黎西岱大学);Research Institute for Statistics and Information Science, University of Geneva(日内瓦大学统计与信息科学研究院)
针对缺失数据中极大似然估计对模型误设敏感的问题,提出基于最大均值差异的M估计程序,在MCAR、MNAR及Huber污染设定下均具有稳健性,并提供理论保证与高效算法。
2026-09-16 stat.ME
Adaptive posterior concentration rates for sparse high-dimensional linear regression with random design and unknown error variance
本文研究了随机设计与未知误差方差下的稀疏高维线性回归,证明了后验集中速率对未知稀疏度的自适应能力,并利用 fractional posterior 和 oracle inequalities 将分析扩展至模型误设情况。
2024-05-29 math.ST stat.ML stat.TH
Minimizing Sensitivity to Model Misspecification
我们提出了一个框架,估计和推理时,模型可能被误指定。我们依赖于一个局部渐近的方法,其中的程度是由样本量的指标。我们构造的估计,其均方误差是极小极大的参考模型的邻域中,一步调整的基础上。此外,我们提供了包含真参数的置信区间。作为一种工具来解释的程度的错误规格,我们将其映射到当地的权力规格测试的参考模型。我们的方法允许系统的敏感性分析时,感兴趣的参数可能是部分或不规则的识别。作为例证,我们研究了三个应用程序:在墨西哥的有条件现金转移的影响的实证分析,其中误指定源于存在的耻辱效应的程序,一个横截面的二元选择模型的错误分布是误指定的,和一个动态的面板数据二元选择模型的时间段的数量是小的,个人的影响分布是误指定的。
2021-10-08 econ.EM stat.ME
Sequential Testing for Assessing the Incremental Value of Biomarkers Under Biorepository Specimen Constraints with Robustness to Model Misspecification
Fred Hutchinson Cancer Center(弗雷德·哈钦森癌症中心)
本研究提出了一种两阶段组顺序检验框架,用于在生物库样本限制下评估生物标志物的增量价值,通过旋转组成员设计验证多个候选生物标志物,并展示其在胰腺癌研究中的应用。
2025-11-19 stat.ME
Bootstrap Inference for Multiple Imputation under Uncongeniality and Misspecification
多重插补已成为统计分析中处理缺失数据最常用的方法之一。这一成功部分归功于鲁宾简单的组合规则。当估算和分析程序是所谓的适宜的,完整的数据分析是有效的,这些给频率论有效的推论,但否则可能不。粗略地说,适合性对应于插补和分析模型是否对数据做出不同的假设。在实践中,插补和分析程序往往不合适,这样的测试可能没有正确的大小和置信区间覆盖范围偏离广告的水平。我们研究了一些最近的建议,结合自举与多重插补,并确定哪些是有效的uncongeniality和模型误指定。在不一致性或错误指定的情况下,插补后自举通常不会得到有效的方差估计,而插补后自举则会得到有效的方差估计。我们建议一个特定的计算效率的自举的变种,其次是插补。
2019-11-27 stat.ME
Assessing Estimation Uncertainty under Model Misspecification
针对广义线性模型可能误设导致经典推断失效的问题,提出局部残差 bootstrap,通过邻近观测残差重采样直接重建响应,以更准确评估不确定性,并验证了理论有效性与性能优势。
2023-12-18 stat.ME
Model misspecification in peaks over threshold analysis
经典的峰过阈值分析被广泛用于样本极值的统计建模,并且可以通过用于双方差簇的大小的模型来补充。在温和的条件下,一个复合泊松过程模型允许估计的边缘分布的阈值方差和平均聚类大小,但需要选择一个阈值和运行参数,$K$,它确定如何去聚类的方差。我们扩展了一类估计的倒数平均集群大小,被称为极值指数,建立一致性和渐近正态性,并使用复合泊松过程,以获得误设定检验模型的有效性和运行参数和阈值的选择。温度和降雨量的模拟例子和真实数据说明的想法,无论是在非标准的情况下估计的极值指数和评估极值模型的有效性。
2010-10-07 stat.AP
Latent likelihood ratio tests for assessing spatial kernels in epidemic models
在流行病时空随机模型的关键评估中,最重要的问题之一是选择用于表示感染性挑战与感染和易感宿主的空间分离之间的关系的传输核。由于控制策略的设计通常基于对传输实际可能发生的距离的评估,并且对该距离的估计对核函数的选择非常敏感,因此重要的是,可以根据观察来仔细检查用于通知控制策略的模型,以便得出针对所选核函数的可能证据。虽然存在一系列的方法来模型批评,该领域仍然是一个需要进一步研究的认识。在本文中,作者的早期贡献的基础上,我们介绍了一种新的方法来评估空间内核的有效性-潜在的似然比检验-并比较其能力,以检测模型误设与使用感染链接残差的测试的基础上。我们表明,新的方法,它结合了贝叶斯和频率论的想法,通过处理的统计决策者作为一个复杂的实体,可以用来制定测试具有更大的权力比感染链接残差检测内核的错误,特别是当错误的程度是适度的。这种新方法避免了使用完全贝叶斯方法,这可能会引入不希望的复杂性相关的计算复杂性和先验灵敏度。
2019-11-05 stat.AP
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
On rates of convergence for posterior distributions under misspecification
我们将Walker(2003,2004)的方法推广到错误指定模型的情况。基于一个涉及鞅的关键恒等式,给出了判定收敛速度的一个充分条件。我们还粗略地表明,通过使用测试得到的结果也可以得到我们的方法,这表明了潜在的更广泛的适用性,这种方法。
2007-02-06 math.ST stat.TH
Assessment of Misspecification in CDMs Using a Generalized Information Matrix Test
本研究提出基于信息矩阵行列式差异的广义信息矩阵检验(GIMT_Det)用于检测认知诊断模型误设,通过DINA模型及自举数据验证其在不同误设程度下的判别性能,表明该方法有前景但需更多实证研究。
2024-11-05 math.ST stat.ME stat.TH
Forecast Encompassing Tests for the Expected Shortfall
我们引入新的预测,包括测试的风险措施预期损失(ES)。目前,由于《巴塞尔协议III》规定将ES作为国际银行监管的一级市场风险度量标准,ES受到了广泛关注。我们利用联合损失函数对ES和风险价值建立三个ES包含测试变量。该测试是建立在误设定鲁棒渐近理论,我们调查的有限样本性质的测试在一个广泛的模拟研究。我们使用包含测试来说明不同金融资产的预测组合方法的潜力。
2020-08-28 econ.EM math.ST q-fin.RM
Wrong Model, Right Uncertainty: Spatial Associations for Discrete Data with Misspecification
MIT LIDS(麻省理工学院LIDS)
针对空间离散数据关联估计中现有方法存在模型误设假设、采样非随机且不适用于离散响应的问题,提出首个在模型误设和非随机采样下仍保证渐近名义覆盖率的置信区间方法,经实验验证其可靠性优于标准方法。
2025-09-01 cs.LG stat.ME stat.ML
Goodness-of-fit Testing in Linear Regression Models
模型检验在线性回归中起着重要的作用,因为模型误设定严重影响了回归分析的有效性和效率。在实践中,模型检查通常通过主观评估模型残差的图来执行。该方法通过从模型的残差构造随机过程来实现,然而由于非常复杂的协方差函数,获得检验统计量的精确分布是困难的。已经提出了几种解决方案来克服这一点,但是基于模拟和自举的方法仅渐近有效,并且可以在有限的样本量下产生具有不适当大小的测试。因此,我们建议使用置换估计零分布。我们表明,在一些温和的假设下,同方差的随机误差,这会产生相合检验下的零和备择假设。小样本性质的建议测试进行了研究,在广泛的Monte Carlo模拟研究,它表明,建议的测试达到正确的大小,即使有强烈的非正态随机误差和一个非常小的样本量,同时作为其他可用的替代品一样强大。最后给出了一些实际数据的例子。
2019-11-18 math.ST stat.TH
Testing for correct model specification in copula regression models
针对半参数Copula回归模型,通过引入真实回归函数与假定模型中最佳逼近的加权\(L^2\)距离进行拟合优度检验,推导检验方法并构建置信区间,有限样本模拟显示该方法有良好性质。
2026-07-17 math.ST stat.TH
Estimation of the covariance matrix of random effects in longitudinal studies
在许多科学领域中,经常进行纵向研究来探索队列和年龄效应。类内相关结构在纵向数据分析中起着非常重要的作用。这是因为,不仅可以通过将簇内相关结构并入估计过程中来改进估计器,而且簇内相关结构有时可以在实际问题中提供有价值的见解。例如,它可以揭示各种因素影响之间的相关强度。从孟加拉国有关使用避孕药具的一组典型的数据的激励下,我们提出了一个随机效应变系数模型,和估计程序的集群内的相关结构的模型。估计过程是最优化自由和估计享受渐近正态性在温和的条件下。仿真结果表明,所提出的估计是可行的有限样本和抵抗轻微形式的模型误设定。最后,我们用新的随机效应变系数模型和提出的估计方法对上述数据进行了分析,揭示了一些有趣的社会学动态。
2008-03-28 math.ST stat.TH
Goodness of fit tests for high-dimensional linear models
在这项工作中,我们提出了一个框架,在低维和高维线性模型的拟合优度测试。我们主张在对数据进行普通最小二乘法或Lasso拟合后,对标度残差应用回归方法,并使用预测误差的某些代理作为最终的检验统计量。我们称之为残差预测(RP)测试。我们表明,模拟可以用来获得在低维设置的临界值,这样的测试,并证明使用理论结果和广泛的数值研究,某种形式的参数引导可以做同样的高维线性模型时,正在考虑。我们表明,RP测试可以用来测试组或个别变量的特殊情况下,在这里,他们比较有利的最先进的方法,但我们也认为,他们可以被设计为测试不同的模型误指定异方差和非线性。
2017-04-08 math.ST stat.ME stat.TH
Empirical phi-divergence test-statistics for the equalityof means of two populations
经验φ-发散检验统计量已被证明是一个有用的技术简单的原假设,以改善有限样本行为的经典似然比检验统计量,以及模型误设定问题,在这两种情况下的一个人口的问题。本文介绍了两个样本问题的方法。仿真研究表明,在这种情况下,新的检验统计量成为一个有竞争力的工具,相对于经典的z检验和似然比检验统计量。
2016-01-14 stat.ME
A goodness-of-fit test for the logistic propensity score model under nonignorable missing data
University of Waterloo(滑铁卢大学)
本文提出了一种在非忽略缺失数据下用于逻辑倾向评分模型的拟合优度检验方法,通过构建未加权残差平方和并考虑结果的不完全可观测性,建立了检验统计量的渐近分布,并通过Bootstrap方法验证其有效性。
2026-04-22 math.ST stat.ME stat.TH
Error Bounds for Learning with Vector-Valued Random Features
California Institute of Technology(加州理工学院)
本文对向量值随机特征岭回归提出直接风险泛函分析,避免随机矩阵公式,在无限维设置下证明模型误设时的强相合性及设定正确时的极小极大最优收敛速率,复杂度与蒙特卡洛直觉一致。
2023-11-15 cs.LG math.ST stat.ML
Integrated conditional moment test and beyond: when the number of covariates is divergent
经典的综合条件矩检验是检验回归模型误设定的一种很有前途的方法。然而,它严重地受到维度灾难的影响。为了将其推广到协变量个数不同的多指标参数模型的检验问题,本文研究了推断中的三个问题。首先,我们研究了非线性模型中参数矩阵的最小二乘估计的相合性和渐近线性表示。其次,我们提出,通过充分的降维技术,自适应模型版本的综合条件矩检验。研究了新检验在原假设和备择假设下的渐近性质,考察了新检验在假设检验中保持显着性水平的能力,以及对全局和局部备择假设的灵敏度.第三,我们得到了新的测试在发散维设置的自助近似的一致性。数值研究表明,新的测试可以很大程度上提高了原来的ICM测试在高维场景的性能。我们还将测试应用到一个真实的数据集进行说明。
2020-05-24 math.ST stat.ME stat.TH
Maintaining the validity of inference from linear mixed models in stepped-wedge cluster randomized trials under misspecified random-effects structures
针对阶梯楔形整群随机试验中随机效应结构误设可能导致推断失效的问题,本文回顾五种稳健方差估计量并通过模拟研究发现,CR3估计量结合整群数减二的自由度校正表现最优,为实践中该类试验的线性混合模型分析提供参考。
2024-08-20 stat.AP stat.ME
Testing Imprecise Hypotheses
Carnegie Mellon University(卡内基梅隆大学);Massachusetts Institute of Technology(麻省理工学院)
本文研究了容忍测试中邻域大小与测试效力的信息论权衡,探讨了Gaussian序列模型中的最优权衡及非参数回归和密度模型中的相关问题。
2026-01-27 math.ST stat.ME stat.TH
Exact and efficient multivariate two-sample tests through generalized linear rank statistics
本文将线性秩统计量推广至多元变量与复合备择假设,构建兼具似然比检验效率、稳健性和可计算精确 p 值的非参数两样本及 K 样本检验方法。
2023-09-30 q-bio.QM stat.ME
Hawkes Identification with a Prescribed Causal Basis: Closed-Form Estimators and Asymptotics
the University of Melbourne(墨尔本大学)
本文提出了一种闭式最小二乘方法用于Hawkes过程的识别,提供了在正确和失配情况下的渐近理论分析。
2026-02-24 cs.SY eess.SY 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
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
A General Framework For Constructing Locally Self-Normalized Multiple-Change-Point Tests
我们提出了一个一般性的框架来构造自归一化多变点测试与时间序列数据。唯一的构建块是用户指定的一个变化点检测统计量,它涵盖了广泛的流行的方法,包括累积和过程,离群鲁棒秩统计量和顺序统计量。既不需要对干扰参数进行稳健且一致的估计,也不需要选择带宽参数,也不需要预先指定变化点的数量。有限样本的性能表明,我们的建议是大小准确的,对误指定的备择假设的鲁棒性,比现有的方法更强大。提供了纳斯达克期权交易量和沪港通交易额的案例研究。
2022-04-30 stat.ME
Robust Simulation Based Inference
本文提出基于仿真的稳健统计推断方法,通过投影参数和指数倾斜处理模型错误设定,并开发拟合优度检验及主动学习采样,确保推断有效性。
2025-08-04 stat.ME
Exact conditional goodness-of-fit tests for the mixed membership stochastic block model
Indian Institute of Technology Kanpur(坎普尔印度理工学院)
针对有向混合成员随机块模型,提出基于块对边总数的精确条件拟合优度检验,用于检测残差发送者/接收者异质性、互惠性和有向传递闭合性。
2026-06-01 stat.ME
Conformal confidence intervals with an application to small area estimation
University of Southampton(南安普顿大学);Statistisk sentralbyrå(挪威中央统计局);Istituto nazionale di statística(意大利国家统计研究所)
该研究提出一种新型共形推理方法,生成样本内结果未知期望的共形置信区间,填补经典回归与共形推理的空白,并将其应用于小区域估计问题。
2026-08-05 stat.ME
A Bayes-Motivated Quadratic-Form Test for High-Dimensional Mean Testing
Anhui Normal University(安徽师范大学);University of Manchester(曼彻斯特大学)
本文提出一种基于贝叶斯因子的两样本均值检验,用于高维数据中均值检验问题,尤其适用于高维p随样本量n线性增长的情况,通过模拟验证了该检验在异质方差和小样本下的竞争力。
2026-04-05 stat.CO stat.ME
Asymptotic Analysis of Statistical Estimators related to MultiGraphex Processes under Misspecification
本文在模型错误设定下研究源自MultiGraphex过程的统计估计量的渐近性质,在弱假设下将参数估计极限与真实稀疏性常数关联,并证明贝叶斯后验渐近正态性。
2022-05-25 math.ST stat.TH
Robust Universal Inference For Misspecified Models
本文提出基于 universal inference 与分样本相对拟合检验反演的稳健推断方法,在模型误设下为分布投影构造有限样本有效置信集,并分析收缩速率、模拟及因果发现表现。
2025-08-29 stat.ME
Theory of Low Frequency Contamination from Nonstationarity and Misspecification: Consequences for HAR Inference
University of Rome Tor Vergata(罗马托维加塔大学);Hunan University(湖南大学);Boston University(波士顿大学)
本文研究非平稳性和模型不恰当性导致的低频污染对HAR推断的影响,推导了样本自协方差和周期图的渐近偏倚表达式,并探讨了非参数平滑在低频污染下的稳健性。
2024-09-14 econ.EM math.ST stat.TH
Evidential Analysis: An Alternative to Hypothesis Testing in Normal Linear Models
本文提出用证据分析替代统计假设检验,以改善其缺陷,并应用于固定效应正态线性模型,通过双向方差分析实例展示其优势。
2024-08-21 stat.ME
Testing Quantile Forecast Optimality
本文提出基于矩等式框架的多期限分位数回归检验,评估分位数预测的自校准最优性,并扩展至更大信息集,模拟与实证揭示次优性成因。
2023-10-12 econ.EM stat.ME
When Noise Estimation Hides Basis Misspecification in Repeated Bayesian Inverse Problems
University of Cambridge(剑桥大学)
本研究针对贝叶斯反问题中基受限先验的覆盖损失问题,提出利用John球度统计量检验残差谱形状以检测基外变异,该方法在合成和实际地形数据中有效,但无法检测各向同性高斯变异。
2026-09-30 math.ST stat.ME stat.ML
Adaptive estimation in regression and complexity of approximation of random fields
本文研究了带噪声误设定的自适应非参数回归问题以及随机场逼近问题的复杂性与维数的关系。首先,我们考虑异方差加性高斯噪声下非参数回归的点态估计问题。我们使用局部逼近的方法,应用Lepski方法从不同程度的本地化得到的线性估计的集合中选择一个估计。该方法与“传播条件”相结合,选择程序的临界值,如Spokoiny和Vial最近建议的[Ann.Stat.,2009年]。对于协方差结构指定错误的模型,放宽了“传播条件”。我们表明,这个过程允许误指定的协方差阵的相对误差的顺序1/ log(n),其中n是样本量。估计的质量是衡量的“预言”的风险界限。然后,我们转向近似的d-参数随机场的张量积型的n项部分和的Karhunen-Loève展开。分析仅限于平均情况。感兴趣的量是描述部分和中的最小项数的信息复杂度,其保证误差不超过给定水平。这个量的行为时,尺寸走向无穷大是我们研究的主题。
2012-08-14 math.PR math.ST stat.TH
Graph-Based Tests for Multivariate Covariate Balance Under Multi-Valued Treatments
我们建议使用非参数,基于图形的测试,以评估多值治疗的观察性研究中的协变量的分布平衡。我们的测试利用图形结构,从连接所有数据的Hamilton路径到最大限度地将数据分成对的最近邻图。我们考虑的算法,形成最小距离图,如最佳的哈密顿路径或非二分匹配,或近似的替代品,如贪婪的哈密顿路径或贪婪的最近邻图。大量的仿真研究表明,所提出的测试是能够检测到的其他方法错过的匹配模型的误指定。与直觉相反,我们还发现,在大多数情况下,在形式良好的近似图上运行的测试比在最佳形式的图上运行的测试做得更好,并且平均而言,在近似最近邻图上正确形成的测试表现最好。在具有乳腺癌数据的多值治疗环境中,这些基于图形的测试还可以检测到普通匹配诊断所遗漏的不平衡。我们提供了一个新的R包graphTest来实现这些方法并重现我们的结果。
2022-08-09 math.ST stat.ME stat.TH