A Robust Asymptotic Testing Model
一个稳健的渐近检验模型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：摘要讨论通用污染模型下的稳健检验理论，没有与所列经济计量细分方向直接关联的证据。
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
一个稳健的渐近检验模型
- 研究问题
- 异常值污染如何改变检验的最大实际显著性水平与最小功效，能否在规定污染邻域内构造极大极小检验？
- 方法与思路
- 作者在污染与全变差邻域中分析函数求和型统计量，优化其中的函数，并与最不利分布对的似然比检验比较。
- 材料陈述的贡献
- 摘要称，作者确定了该类统计量中唯一的最优函数，并通过最不利分布对比较，说明所得检验在给定水平下具有整体极大极小性。
- 阅读关注点
- 应核对污染邻域与渐近框架的定义、显著性水平约束、最优函数的唯一性条件，以及推广至全部检验的论证。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明邻域尺度、分布正则条件和有限样本表现，不能推断刊本变化。
原文摘要
In order to obtain quantitative results about the influence of outliers on tests, their maximum size and minimum power over certain neighborhoods are evaluated asymptotically. The neighborhoods are defined in terms of $\varepsilon$-contamination and total variation, the tests considered are based on statistics $n^{-\frac{1}{2}} \sum^n_{i=1} IC(x_i), IC$ a rather arbitrary function. Furthermore, the unique $IC^\ast$ is determined that leads to a maximin test with respect to this subclass of tests. A comparison with the likelihood ratio of least favorable pairs shows that the test based on $n^{-\frac{1}{2}}\sum^n_{i=1} IC^\ast(x_i)$ is in fact maximin among all tests at a given level. Tests based on $(M)$-statistics are also considered.