The Hunter Method of Simultaneous Inference and Its Recommended Use for Applications Having Large Known Correlation Structures
Hunter同时推断方法及其在已知高相关结构中的应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般多元t分布下的同时置信区间，未明确涉及金融因子、面板或其他所列领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
Hunter同时推断方法及其在已知高相关结构中的应用
- 研究问题
- 在已知相关结构的多元t推断中，Hunter方法如何构造所有均值的同时区间，高相关性会怎样影响区间宽度？
- 方法与思路
- 作者基于二阶Bonferroni型不等式构建Hunter同时估计方法，比较其与Bonferroni方法，并展示参数区间实例。
- 材料陈述的贡献
- 摘要称高相关情形下Hunter方法优势明显，所列实例中95%同时置信区间比对应Bonferroni区间窄20%。
- 阅读关注点
- 核对二阶不等式的使用方式、相关矩阵已知的要求及覆盖率保证，并检查高相关条件和实例宽度比较的计算。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；20%的缩窄是所列实例结果，不能推断所有模型均有同样增益。
原文摘要
The Hunter (H) method of simultaneous estimation of all means is based on a second-order Bonferroni-type inequality and is superior to the Bonferroni (B) method. This method is applicable for cases using a multivariate t distribution with correlation matrix R = (ρ ij ) and is shown to be decidedly superior to the B method when the correlations ρ ij in R are all large (|ρij| > .5). This article presents an example, using data from Draper and Smith (1966), in which the 95 percent Hunter confidence intervals for the model parameters are 20 percent narrower than the corresponding Bonferroni intervals.