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 Regression with Student's T: The Role of Degrees of Freedom
University of Toronto(多伦多大学);University of Chicago(芝加哥大学);University of Glasgow(格拉斯哥大学)
本文比较了频繁ist和贝叶斯方法估计t分布自由度的估计器,并研究了对应的回归系数估计性质,通过仿真显示调整后的对数似然方法能提供高精度估计,与最大似然估计相当。
2026-11-03 stat.ME
Influence Analysis of Robust Wald-type Tests
我们考虑一个强大的版本的经典Wald检验统计量检验简单和复合零假设的一般参数模型。这些检验统计量是基于最小密度幂离估计量而不是最大似然估计量。通过引入影响函数和卡方膨胀因子,对它们的鲁棒性进行了深入的研究。从理论上讲,这些稳健性检验的水平和功效对离群值是稳定的,而经典的Wald检验则会失效。数值算例验证了理论结果的正确性。
2015-11-16 math.ST stat.ME stat.TH
Robust Wald-type tests for non-homogeneous observations based on minimum density power divergence estimator
研究了非同分布数据下的稳健假设检验问题。我们提出了Wald型检验的简单和复合假设的独立,但非齐次观测的基础上强大的最小密度功率发散估计的共同的基础参数。渐近和理论的鲁棒性所提出的测试进行了讨论。本文详细讨论了它在固定设计广义线性模型中一般线性假设检验问题中的应用,并对正态分布和泊松分布下的特殊情况作了具体的说明。
2017-07-07 math.ST stat.ME stat.TH
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 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
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
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
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
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
Dual divergence estimators and tests: robustness results
双$ϕ$ -发散估计类(在Broniatowski和Keziou(2009)中引入)通过影响函数方法在稳健性方面进行了探索。对于尺度和位置模型,这类研究的鲁棒性和渐近相对效率。提出了一些基于双散度准则的假设检验方法,并研究了它们的鲁棒性。这些估计和测试的经验表现说明了非污染和污染数据的Monte Carlo模拟。
2009-12-15 math.ST stat.TH
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
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
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
Distribution free goodness of fit tests for regularly varying tail distributions
本文讨论了构造一整类检验规则变化尾分布的渐近分布无关检验的可能性。其思想是,我们把分布的尾部作为一个参数族的成员,并使用极大似然估计指数。无论指数的估计量是什么,我们都能够将整个类转换为具有前缀指数的特定分布,这样我们就可以自由地选择尾部经验过程的任何泛函作为无分布的检验统计量。作为新检验类的例子,一些新检验的渐近性也得到了证明。
2018-06-05 math.ST stat.ME stat.TH
Power and Level Robustness of A Composite Hypothesis Testing under Independent Non-Homogeneous Data
非同分布观测下一般复合假设的稳健检验一直是一个挑战。Ghosh和Basu(2018,Statistica Sinica,28,1133--1155)基于密度功率发散提出了一类新的检验统计量,但没有详细研究它们对大小和功率的鲁棒性。本文通过对这些测试的功率和电平影响函数进行严格推导,从理论上证明其稳健性,从而填补了这一空白。固定载体线性回归模型的应用也提供了实证说明。
2018-10-01 math.ST stat.TH
Distribution free testing for linear regression. Extension to general parametric regression
最近,\cite{Khm13, Khm16, Khm17}提出了一种基于酉变换的检验参数假设的无分布方法,并在\cite{Ngu17}和\cite{Rob19}中进行了进一步的研究。本文证明了在线性回归的分布自由检验中,变换的形式是极其简单的。然后将其推广到向量值协变量的一般参数回归。
2020-02-07 math.ST stat.ME stat.TH
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
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
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 tests for log-logistic models based on minimum density power divergence estimators
针对对数-逻辑斯蒂分布经典Wald与Rao检验易受数据污染影响的问题,本文提出基于MDPDE的稳健Wald型和Rao型检验,推导简单与复合原假设下的表达式并通过模拟验证其优势。
2025-03-18 math.ST stat.TH
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
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
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
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 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
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
A More Robust t-Test
关于通过GMM估计的标量参数的标准推断相当于将t检验应用于特定的观测集。如果观测值的数量不是很大,那么适度重尾可能会导致t检验的表现不佳。这是聚类下的一个特殊问题,因为观察的数量对应于聚类的数量,并且聚类大小的异质性会导致重尾的形式。本文结合极值理论的最小和最大的观测值与正常的近似值的平均剩余的观测值,以构建一个更强大的替代t检验。与现有方法相比,新测试在小样本中更成功地控制尺寸。分析结果表明,在典型的平均值问题的推断,新的测试提供了一个完善的全样本t检验下超过两个,但小于三个时刻,而自助t检验没有。
2020-07-14 econ.EM math.ST stat.TH
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 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 Wald-type test in GLM with random design based on minimum density power divergence estimators
研究了具有随机协变量的广义线性模型(GLM)下的鲁棒推断问题。我们推导出了随机设计下GLM中参数的最小密度幂散度估计的性质,并利用该估计提出了稳健的Wald型检验,用于检验GLM中任意一般复合原假设.所提出的测试的渐近性和鲁棒性也检查GLM与随机设计。建议的强大的推理程序,流行的泊松回归模型分析计数数据的应用进行了详细的讨论,从理论上和数值模拟研究和实际数据的例子。
2020-04-03 stat.AP stat.ME
Robust Wald-Type Tests under Random Censoring with Applications to Clinical Trial Analyses
随机截尾生存数据在应用科学中经常遇到,包括生物医学或可靠性应用和临床试验分析。检验统计假设的显著性在此类分析中至关重要,以获得结论性推断,但在完全参数模型下,现有的基于似然的检验对数据中的离群值非常不稳健。虽然,存在一些鲁棒的参数估计器(例如,估计和最小密度幂散度估计),几乎没有任何鲁棒检验程序在文献中提供在这方面。在这方面的主要困难之一是建设一个合适的相合估计量的渐近方差M估计,后者是一个未知的删失分布的函数。在本文中,我们在这个方向上迈出了第一步,提出了一个相合估计量的渐近方差的随机删失数据的基础上,没有任何假设的删失计划的形式。然后,我们描述和研究了一类强大的Wald型测试参数统计假设,简单的以及复合材料,在这样的设置下,随着其一般的渐近性和鲁棒性。本文还讨论了比较两个独立随机截尾样本的稳健检验和对单侧选择的稳健检验。它们的优点和实用性证明了基于最小密度功率发散估计的测试,特别注意临床试验分析。
2019-01-05 stat.AP stat.ME
A new class of robust two-sample Wald-type tests
与两个独立样本相关的参数假设检验经常出现在生物学、医学、流行病学、可靠性等许多应用中。在本文中,我们提出了强大的Wald型测试这样的两个样本问题,使用最小密度功率发散估计的基本参数。特别是,我们认为简单的两个样本的假设,以及一般的两个样本(复合)假设,涉及滋扰参数的样本的全参数同质性。提出的Wald型检验的渐近和理论的鲁棒性已经开发的简单和一般的复合假设。一些特殊的情况下,测试对片面的替代品进行了讨论,特别注意测试的有效性,在临床试验中的治疗。所提出的测试的性能也通过适当的实际数据的例子数值说明。
2017-02-15 stat.AP stat.ME
A Robust Spearman Correlation Coefficient Permutation Test
在这项工作中,我们表明,斯皮尔曼的相关系数测试约$H_0:ρ_s=0$发现在大多数统计软件包是理论上是不正确的,表现不佳时,二元正态假设不满足或样本量小。关于这些检验的历史著作做出了一个无法验证的假设,即原始数据的近似二元正态性证明了使用经典近似的合理性。通常,存在一种常见的误解,即关于$ρ_s=0$的检验对二元正态性的偏差具有稳健性。事实上,我们发现在某些情况下,违反二元正态性假设对最常用的检验的第一类错误控制有严重影响。为了解决这个问题,我们开发了一个强大的置换测试测试的一般假设$H_0: ρ_s=0$。拟议的测试是基于一个适当的学生统计。我们将证明,当两个成对变量不相关但相关时,该检验在一般情况下理论上是渐近有效的。在模拟研究中,在一系列分布假设和样本量范围内证明了这一理想属性,其中拟定检验在各种设置中显示出稳健的第一类错误控制,即使样本量较小。我们在TCGA乳腺癌患者的转录组数据和PSA水平和年龄的数据集的真实世界示例中展示了该测试的应用。
2020-08-03 stat.AP stat.ME
A Robust Generalization of the Rao Test
本文提出了基于最小密度幂离估计的新的Rao型检验统计量族,它为检验简单和复合的原假设提供了稳健的推广。得到了检验的渐近零分布,并从理论上研究了它们的鲁棒性。数值算例证实了理论的发展。整体上,建议的测试被认为是优秀的替代品,经典的饶氏测试。
2019-08-26 stat.ME
The robusTest package: two-sample tests revisited
本文介绍 R 包 robusTest,针对双变量统计中常用检验的稳健性与校准问题提出修正版本,并通过模拟研究和真实数据示例验证其优越性。
2024-01-18 stat.ME
Robust tests for parameter change in conditionally heteroscedastic time series models
Kyungpook National University(庆北国立大学)
本文提出了一种基于残差的稳健CUSUM检验,用于检测条件异方差时间序列模型中的参数变化,并通过模拟和比特币数据验证了其对异常值的稳健性。
2026-09-01 stat.ME
A robust nonparametric test for spatial isotropy in lattice data
TU Dortmund University(多特蒙德工业大学)
本文提出了一种基于空间数据二维正则网格变异图的稳健检验方法,用于评估各向同性,该方法通过比较不同方向相同距离的变异图估计值,同时采用稳健变异图估计器和块置换重采样方法,以提高对异常值的鲁棒性。
2026-05-18 stat.ME
Robust Tests in Genome-Wide Scans under Incomplete Linkage Disequilibrium
在完全连锁不平衡(LD)条件下,稳健检验在分析病例-对照遗传关联研究中往往比皮尔逊卡方检验和趋势检验具有更大的功效。当遗传模型未知时,稳健统计已被用于候选基因和全基因组关联研究(GWAS)。我们在这里考虑一个更一般的不完全LD模型,并检查的影响,在标记位点的遗传模型时,在疾病位点的定义。稳健的统计,然后审查和他们的效率和鲁棒性进行了比较,通过模拟GWAS的30万个标记下的不完全LD模型。几个强大的测试的应用程序,威康信托病例对照协会[自然447(2007)661- 678]。
2010-10-25 stat.ME
A robust approach for testing parameter change in Poisson autoregressive models
参数变化检验一直是时间序列分析中的一个重要问题。在整数值时间序列领域中也积极地探索了这个问题,但是在异常值存在的情况下的测试还没有被广泛地研究。本文研究了Poisson自回归模型中参数变化的检验问题,特别是当观测值被异常值污染时。为了减少异常值对检验过程的影响,我们提出了一种基于Basu等人(Biometrika,1998)提出的密度幂散度的检验方法,并推导了其极限零分布。蒙特卡罗模拟结果表明了该方法的有效性和较强的鲁棒性。
2019-08-29 stat.ME
Double Robust high dimensional alpha test for linear factor pricing model
针对高维线性因子定价模型的alpha检验问题,提出基于空间符号的max型检验并证明其与现有sum型检验渐近独立,进而构建Cauchy组合检验,实现对重尾分布和备择假设稀疏性的双重稳健性。
2024-09-14 stat.ME
Controlling the Size of Autocorrelation Robust Tests
自相关鲁棒测试因其尺寸失真和功耗问题而臭名昭著。我们调查在什么条件下,自相关稳健检验的大小可以通过适当选择临界值来控制。
2018-09-04 math.ST stat.ME stat.TH
Identification-robust moment-based tests for Markov-switching in autoregressive models
本文研究了具有马尔可夫转换均值和方差的自回归模型的线性原假设检验问题。这些测试是强大的识别失败,困扰传统的基于似然的推理方法。该方法利用了正态混合物的时刻所隐含的政权切换过程,并使用蒙特卡罗测试技术来处理存在的自回归组件的模型规格。与Carrasco,Hu和Ploberger(2014)的马尔可夫开关参数的最佳测试相比,所提出的测试具有非常可观的功率,并且由于其计算简单,它们也非常有吸引力。新的测试说明了美国产出增长的自回归模型的实证应用。
2016-12-30 stat.ME
A robust adaptive-to-model enhancement test for parametric single-index models
在检验观测值中存在异常值的基础模型是否为参数单指标结构的研究中,本文的目的是双重的。首先,建议对离群值具有鲁棒性的测试。证明了检验统计量的Hampel二阶影响函数是有界的。第二,该检验充分利用假设模型的降维结构,并在原假设为假时自动适应备选模型。因此,该测试可以大大克服维度问题,并且仍然是通用的替代模型。通过蒙特卡罗模拟研究和实际数据集的应用证明了测试的性能。
2015-10-12 stat.ME
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
Conditional tests for elliptical symmetry using robust estimators
本文提出了一种方法来检验假设,即当使用鲁棒位置和散布估计代替样本均值和协方差阵时,数据的基本分布是椭圆形的。在温和的假设下,包括椭圆分布没有一阶矩,我们得到的检验统计量的渐近行为下的原假设和特殊的替代品。数值实验允许在各种椭圆分布和不同替代方案下将基于样本均值和协方差阵的检验行为与基于稳健估计量的检验行为进行比较。该比较不仅着眼于观察到的水平和把握度,而且我们使用了大小校正的相对精确把握度,该把握度提供了一种评估检验统计量检测替代品技能的工具。我们还提供了与其他竞争测试的数值比较。
2015-02-19 stat.ME
A Robust Framework for Graph-based Two-Sample Tests Using Weights
针对高维数据中图论两样本检验对图结构敏感的问题,提出基于边加权策略的鲁棒检验统计量,推导其极限零分布,并通过模拟和芝加哥出租车数据验证了改进性能。
2025-06-20 stat.ME
Locally Robust Kernel Specification Tests for Conditional Moment Restrictions
Universidad Carlos III de Madrid(马德里卡洛斯三世大学)
针对含高维干扰参数的半参数条件矩模型,开发基于核的规范检验,结合多种方法使推断对干扰估计误差不敏感,建立神谕等价性并刻画局部功效,通过快速乘子自助法避免干扰重估,模拟和应用展示了检验的有限样本性能。
2026-07-28 stat.ME
Robust Spatial-Sign-Based Testing of High-Dimensional Alpha in Conditional Factor Models
Tiangong University(天津工业大学);Nanjing Audit University(南京审计大学)
本文提出一种新的高维因子定价模型中alpha检验框架,通过空间符号最大型检验检测稀疏替代假设,并利用Cauchy组合方法构建自适应检验程序,确保在不同稀疏水平下具有稳健的检验效力。
2026-04-14 stat.ME
Differential Test Functioning via Robust Scaling
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
本文提出基于稳健缩放的差异测试功能评估方法,通过比较影响估计值的差异来量化DIF对结论的影响,并开发了稳健估计器和Wald检验。
2026-02-06 stat.ME
Robust Adaptive Rate-Optimal Testing for the White Noise Hypothesis
针对弱白噪声原假设提出了一种新的检验方法。该检验基于Box-Pierce或Hong检验统计量顺序的新自动选择。该测试使用Lobato(2001)或Kuan和Lee(2006)HAC临界值。数据驱动的顺序选择是定制的,以检测一类新的替代品的自相关系数,可以是$o(n^{-1/2})$提供有足够的。仿真实验表明,该方法在弱白噪声零值和替代零值情况下均具有良好的性能。
2012-11-02 math.ST stat.AP stat.ME