Projected likelihood contrasts for testing homogeneity in finite mixture models with nuisance parameters
本文研究了有限混合模型的齐性检验问题,其中混合比例是先验已知的(取为0.5),并且存在一个公共的冗余参数。基于投影似然对比(PLC)的概念的统计检验被认为是。PLC是对通常的似然比统计量或Wilk的$Λ$的轻微修改,并且在精神上类似于Rao的得分检验。已经进行了理论研究,以了解这些测试的大样本统计特性。已经进行了模拟研究,以了解在具有未知均值(共同方差作为冗余参数)和未知方差(共同均值作为冗余参数)的高斯混合物的情况下PLC统计的零分布的行为。计算结果与理论结果一致。这些测试的幂函数已被评估的基础上从高斯混合物的模拟。
2008-05-16 math.ST stat.ME stat.TH
De-Biased Two-Sample U-Statistics With Application To Conditional Distribution Testing
针对含冗余参数的两样本U统计量推断问题,提出带交叉拟合的一步估计框架以消除一阶偏差,并将其应用于条件分布检验,揭示两类冗余参数对共形秩和检验有效性的不同影响。
2024-01-31 stat.ME
Asymptotics for non-degenerate multivariate $U$-statistics with estimated nuisance parameters under the null and local alternative hypotheses
本文将Randles关于含估计冗余参数的U-统计量渐近理论推广到多元情形,并首次给出局部备择下的渐近分布及已知参数的影响量化,为拟合优度检验提供理论基础。
2024-11-28 math.PR math.ST stat.AP
Partially Bayes p-values for large scale inference
该研究提出部分贝叶斯p值用于大规模推断,通过非参数先验建模干扰参数,提高校准和功效。
2025-12-09 stat.ME
Inference for Additive Models in the Presence of Possibly Infinite Dimensional Nuisance Parameters
提出了一个针对一般方案的函数约束估计和假设检验的框架。参数空间是再生核希尔伯特空间(RKHS)。原假设不一定定义参数模型。该测试允许我们处理无穷维讨厌的参数。该方法是基于一个时刻方程类似的精神,在半参数统计的有效得分的建设。这种力矩方程的可行版本需要一致地估计RKHS空间中的投影,并且表明使用所提出的方法是可能的。这使我们能够通过快速模拟得到一些易于处理的渐近理论和临界值。仿真结果表明,有限样本检验的性能与渐近性一致,忽略干扰参数的影响会严重扭曲检验的规模。
2018-08-20 stat.ME
Likelihood-free inference with nuisance parameters through normalizing flows
本文提出一种基于归一化流的分解方法,在干扰参数存在时自动发现近似枢轴统计量,具有良好检验功效,优于Welch检验和轮廓似然比方法。
2026-09-10 cs.LG stat.ME stat.ML
Orthogonal samples for estimators in time series
平稳时间序列的统计推断通常涉及难以估计的干扰参数和采样分布。在本文中,我们提出了正交样本的方法,它可以用来解决这些问题。对于一个广泛的统计类别,正交样本是通过对原始统计量进行轻微修改来构建的,这样它就具有与集中统计量相似的分布特性。我们使用正交样本来估计加权平均周期图估计和$L_{2}$型谱统计量的干扰参数。在原假设下,利用正交样本估计各种检验统计量的有限抽样分布。所提出的方法是简单的,计算速度快的实现。该方法的可行性示出了各种模拟。
2016-11-01 stat.ME
Bayesian Design of Experiments in the Presence of Nuisance Parameters
本文提出一种利用后验大样本性质与贝叶斯加性回归树(BART)的贝叶斯实验设计方法,在存在干扰参数时高效确定最优样本量和决策标准,显著降低计算负担。
2025-08-05 stat.ME
An exact, unconditional, nuisance-agnostic test for contingency tables
当边际值较低时,精确检验大大改进了列联表的分析。例如,研究人员经常使用Fisher精确检验,这是有条件的,或者Barnard检验,这是无条件的,但需要处理一个讨厌的参数。在这里,我们描述了m-检验,一个精确的,无条件的测试研究的d × m二项列联表。当比较二项试验时,m检验与Barnard精确检验相关。然而,滋扰参数在其所有可能值上积分,而不是最大化或以其他方式估计。根据蒙特卡罗模拟,这种策略产生了更高的统计功效比其他确切的测试。我们还提供了一个在R中执行m检验的包。
2021-10-27 math.ST stat.ME stat.TH
Optimal Value Inference for Reinforcement Learning
本文研究强化学习中最优值的离线推断,通过自诱导贝尔曼方程推导新干扰参数,结合Neyman正交性提出去偏估计器,实现发散时间范围下的有效推断,并验证于合成实验及实际决策问题。
2026-11-04 cs.LG stat.ME stat.ML
Tests for ultrahigh-dimensional partially linear regression models
本文针对超高维部分线性回归模型,利用机器学习估计冗余函数并构造二次型检验统计量,提出功效增强程序以提升在稀疏和稠密备择下的检验功效,同时保证渐近控制第一类错误。
2023-04-15 stat.ME
Structure-Adaptive Estimation of Heterogeneous Treatment Effects with Kernel Methods
Columbia IEOR(哥伦比亚大学工业工程与运筹学系)
本文提出了一种基于核岭回归的最优算法,用于在结构简单的情况下估计CATE,并通过模型选择步骤实现对未知正则性的适应。
2026-11-10 math.ST stat.ME stat.ML
Testing Inequalities Linear in Nuisance Parameters
National University of Singapore(新加坡国立大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文提出一种检验线性依赖于部分识别冗余参数不等式的新方法,采用两步统计量与数据依赖自由度的卡方临界值,具有均匀渐近有效性且无需调整参数,适用于矩不等式推断及线性规划约束参数推断。
2025-10-31 econ.EM stat.AP stat.ME
GMM with Many Weak Moment Conditions and Nuisance Parameters: General Theory and Applications to Causal Inference
Department of Biostatistics, University of Washington(华盛顿大学生物统计系)
本文针对弱识别且滋扰参数随样本量增长的一般矩模型,提出一种基于Neyman正交性的两步去偏GMM估计框架,建立其一致性与渐近正态性,并应用于弱工具变量和弱代理变量的因果推断。
2025-11-10 math.ST stat.ME stat.TH
Inference on Optimal Policy Values and Other Irregular Functionals via Softmax Smoothing
Stanford University(斯坦福大学);Harvard University(哈佛大学)
本文提出一种基于Softmax平滑的估计方法,用于推断最优治疗政策的价值,适用于静态和动态治疗方案,仅需拟合常数数量的 nuisance 模型,并在无治疗非响应概率时具有统计效率。
2026-03-30 cs.LG econ.EM math.ST
INFERNO: Inference-Aware Neural Optimisation
INFN - Sezione di Padova(意大利国家核物理研究所帕多瓦分所 (INFN - Sezione di Padova))
在许多科学学科中,精确的数据建模通常需要复杂的计算机模拟,由于观测数据的可能性评估的棘手性,使得统计推断具有挑战性。此外,有时人们对生成模型参数的子集上得出的推断感兴趣,同时考虑模型不确定性或对剩余滋扰参数的错误指定。在这项工作中,我们展示了如何通过随机梯度下降最大限度地减少推理驱动的损失来构建非线性汇总统计量,以便为感兴趣的参数提供最小的不确定性。作为一个用例,考虑了多维两组分混合模型(即信号与背景)中混合系数的置信区间估计问题,其中所提出的技术明显优于基于概率分类的汇总统计,概率分类是常用的替代方案,但不考虑干扰参数的存在。
2018-10-11 cs.LG hep-ex physics.data-an
Sharp Structure-Agnostic Lower Bounds for General Linear Functional Estimation
Stanford University(斯坦福大学)
本文提出了一般线性函数估计的锐利结构无关下界,证明了双重鲁棒估计器的统计最优性,并区分了双重鲁棒性和一阶去偏在不同情形下的最优性。
2026-01-05 cs.LG econ.EM math.ST
Estimation and Inference in Ultrahigh Dimensional Partially Linear Single-Index Models
针对超高维部分线性单指标模型,提出轮廓部分惩罚最小二乘估计及参数F型检验与非参数函数设定检验,并通过模拟和实际数据验证其性能。
2024-04-06 math.ST stat.ME stat.TH
Robust Q-learning
Q学习是一种基于回归的方法,广泛用于形式化最佳动态治疗策略的开发。有限维工作模型通常用于估计某些干扰参数,并且这些工作模型的错误指定可能导致残余混杂和/或效率损失。我们提出了一个强大的Q-学习方法,允许使用数据自适应技术来估计这些讨厌的参数。我们研究了我们的估计量的渐近行为,并提供模拟研究,强调在实践中所提出的方法的必要性和实用性。我们使用的数据从“延长纳洛酮的治疗效果”多阶段随机试验来说明我们提出的方法。
2020-03-27 stat.ME stat.ML
Specification tests for GARCH processes
当真实参数可能位于参数空间的边界上时,本文研究了Gyndrome模型中条件方差函数的正确设定的检验。考虑的检验统计量是Kolmogorov-Smirnov和Cramér-von Mises型的,并且是基于由中心平方残差标记的一定的经验过程。检验统计量的极限分布并非不受(未知)干扰参数的影响,因此临界值无法制成表格。提出了一种新的引导程序来实现的测试,它被证明是渐近有效的一般条件下,无论存在的干扰参数的边界上。所提出的自助方法是基于收缩的参数估计用于生成自助样本的参数空间的边界以适当的速度。它在应用程序中实现简单且快速,因为相关的测试统计量具有简单的封闭形式表达式。仿真研究表明,新的测试:(i)具有良好的有限样本行为的经验拒绝概率下的空,以及根据替代;(ii)提供了一个有用的补充,现有的程序的基础上Ljung-Box类型的方法。两个数据的例子被认为是说明测试。
2021-05-28 econ.EM stat.ME
Uniform Critical Values for Likelihood Ratio Tests in Boundary Problems
针对冗余参数处于参数空间边界导致似然比检验水平失真的问题,本文利用极限分布单调性与矩形置信集构造计算简便、一致有效的统一临界值,并通过模型示例、模拟和实证应用验证其水平与功效。
2025-07-25 econ.EM stat.ME
CAD: Debiasing the Lasso with inaccurate covariate model
考虑高维线性回归中低维参数的估计问题。构造感兴趣的参数的近似无偏估计是执行统计推断的关键步骤。几位作者建议将感兴趣的变量和结果相对于讨厌的变量进行正交化,然后将剩余结果相对于剩余变量进行回归。如果回归量的协方差结构是完全已知的,或者是充分结构化的,可以从数据中准确估计,这是可能的(例如,精度矩阵足够稀疏)。在这里,我们考虑一种制度,其中协变量模型只能估计不准确,因此现有的去偏方法不能保证工作。当估计协变量模型的误差与估计线性模型参数的误差相关时,会发生偏倚的不完全消除。我们提出了相关调整的去偏套索(CAD),它几乎消除了这种偏见在某些情况下,包括估计误差既不能忽略也不能正交的情况下。我们考虑一种设置,其中一些未标记的样本可能与标记的样本一起提供给统计学家(半监督学习),并且我们的保证在联合高斯协变量的假设下成立。新的去偏估计器保证在两种情况下消除偏差:(1)当样本(标记和未标记)的总样本个数大于参数个数时,或(2)当干扰的协方差(但不是干扰对感兴趣变量的影响)已知时。这两种情况都不是用最先进的方法治疗的。
2021-07-29 math.ST stat.ME stat.TH
Modelling nuisance parameters in linear models: Formal and empirical comparisons between the two-way Anova and Ancova
Universidad Nacional de Colombia(哥伦比亚国立大学);Universitat de les Illes Balears(巴利阿里群岛大学)
本文比较了线性模型中双因素方差分析(TWA)与协方差分析(Ancova)处理nuisance参数的性能,通过理论分析和模拟实验发现,在协变量异质性复杂时Ancova在精度上更优,但在假设检验准确性上无优势。
2026-09-29 stat.ME
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
Transfer Learning with General Estimating Equations
针对协变量偏移迁移学习下广义估计方程的参数推断问题,提出基于Neyman正交估计方程、散度型密度比估计与非参数多重插补的半参数高效推断方法,达到效率界且适配机器学习,经模拟和臭氧污染实证验证有效。
2024-10-06 stat.ME
Selective inference for effect modification via the lasso
当治疗对结果的影响根据其他协变量的水平而变化时,发生效应修正,并且通常对决策具有重要影响。当存在数十或数百个协变量时,有必要使用观察到的数据来选择更简单的模型进行效应修正,然后进行有效的统计推断。我们提出了一个两阶段的程序来解决这个问题。首先,我们使用Robinson变换将干扰参数与感兴趣的处理效应解耦,并使用机器学习算法来估计干扰参数。接下来,在插入讨厌参数的估计值后,我们使用Lasso选择一个低复杂度的模型进行效果修改。与由所有协变量组成的完整模型相比,所选模型更具可解释性。与单变量亚组分析相比,所选模型大大减少了错误发现的数量。我们证明了在经典半参数回归的速率假设下,所选模型的条件选择性推断是渐近有效的。进行了大量的模拟研究,以验证渐近结果和流行病学的应用程序来证明该方法。
2021-11-19 math.ST stat.ME stat.TH
Debiased Ill-Posed Regression
针对条件矩限制下的函数估计问题,提出基于影响函数的去偏估计策略,具有二阶偏差和稳健性,并给出超参数选择方法,实现根号n一致性。
2025-05-27 econ.EM stat.ME stat.ML
When Do Generalized Permutation Tests Achieve Optimal Power? A Dispersion Characterization
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
本文通过引入两种离散度量,刻画了非均匀置换分布下广义蒙特卡洛置换检验的条件分布收敛性,并证明了当离散度渐近消失时检验达到最优Pitman局部功效,反之则无法保证。
2026-05-30 stat.ME
Valid and efficient imprecise-probabilistic inference with partial priors, III. Marginalization
本文提出基于剖面似然的新推断模型(IM)框架解决含冗余参数的边际推断问题,在参数、预测及非参数场景下均保证有效性与效率,并建立与 conformal prediction 的联系。
2023-09-23 math.ST stat.ME stat.TH
Multivariate group sequential tests for global summary statistics
本文提出基于全局汇总统计量的多终点成组序贯检验,采用误差消耗法处理不等组规模与终点相关性,并比较三种实现方法。
2024-05-08 stat.ME
Testing for Externalities in Network Formation Using Simulation
我们讨论了Pelican和Graham(2019)考虑的测试问题的简化版本:测试网络中N个(可能是异构的)代理之间的链接偏好的相互依赖性。我们描述了一个精确的测试条件上的充分统计量的滋扰参数表征任何代理级别的异质性。采用Blitzstein和Diaconis(2011)的算法,我们展示了如何模拟检验统计量的零分布,以估计临界值和/或p值。我们使用Nyakatoke风险分担网络来说明我们的方法。我们发现,Nyakatoke网络的传递性远远超过可以解释的程度异质性在家庭之间。
2019-07-31 econ.EM stat.ME
High Dimensional Rank Tests for Sphericity
球度检验在许多统计问题中起着关键作用。我们提出了高维情形下的Spearman rho型秩检验和Kendall τ型秩检验。我们证明了这两个检验是等价的。由于“维度的祝福”,我们不需要估计任何讨厌的参数。在不估计位置参数的情况下,我们可以允许维数任意大。在椭圆分布下,也建立了这两个检验的渐近正态性。仿真结果表明,它们在广泛的设置中是非常强大和有效的。
2015-02-16 stat.ME
Constructing confidence intervals for constrained parameters via valid prior-free inferential models
School of Economics and Statistics(经济与统计学院);Lingnan Research Academy of Statistical Science(岭南统计科学研究院);Guangzhou University(广州大学)
本文提出先验无关推断模型方法,用于构建正态和泊松分布中受限参数的置信区间,解决传统方法在处理未知干扰参数时覆盖概率不准确的问题,通过随机加权技术提升性能,验证了其在高能物理实验数据中的有效性。
2026-04-10 stat.ME
General Behaviour of P-Values Under the Null and Alternative
假设检验的结果通常依赖于简单但重要的假设,即关于零值和替代值下p值分布的行为。我们检查测试的一维参数的兴趣,收敛到一个正态分布,可能在存在的冗余参数,并表征的p值的分布使用技术从高阶渐近文献。我们发现,普遍持有的信念,关于p值的分布是误导时,方差和位置的检验统计量没有很好地校准或高阶累积量的检验统计量是不可忽略的。修正后的测试提出,并表现出更好的比他们的一阶同行在某些设置。
2021-08-04 math.ST stat.ME stat.TH
Locally D-optimal designs based on a class of composed models resulted from blending Emax and one-compartment models
介绍了一类药代动力学房室模型和药效学Emax模型相结合的非线性模型。四参数组合模型的局部D-最优设计是一个饱和的四点均匀LD设计,设计空间的两个边界点在LD设计支撑中。对于一个五参数组合模型,一个充分条件的LD设计,需要最少的采样时间点。鲁棒LD设计也研究了这两个模型。结果表明,当两个组合模型中的线性参数为干扰参数时,$k$参数的LD设计等价于$k-1$参数的LD设计.分类的LD设计的例子。
2008-03-14 math.ST stat.ME stat.TH