Choosing between methods of combining $p$-values
如何选择合并 p 值的方法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：摘要讨论通用假设检验与元分析的 p 值合并，未指向所列经济或金融细分方向。
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
如何选择合并 p 值的方法
- 研究问题
- 在原始数据难以取得或合并的元分析中，面对多个独立检验的 p 值，应如何依据备择假设选择具有较高功效的合并方法？
- 方法与思路
- 作者从合理合并方法对某些备择最优的观点出发，将不同 p 值合并方法表述为似然比检验并分析其理论性质。
- 材料陈述的贡献
- 摘要称，对若干标准合并方法的理论分析能够为实践选择提供功效方面的指导，强调方法选择与备择假设之间的联系。
- 阅读关注点
- 应核对各合并方法对应的备择模型、独立性要求，以及理论功效比较如何转化为实际元分析中的选择准则。
- 阅读边界
- 仅据版本未注明的索引摘要，具体比较结论未说明；独立检验框架不能直接推广到相关 p 值，也不能确定普遍最优的合并器。
原文摘要
Combining |$p$|-values from independent statistical tests is a popular approach to meta-analysis, particularly when the data underlying the tests are either no longer available or are difficult to combine. Numerous |$p$|-value combination methods appear in the literature, each with different statistical properties, yet often the final choice used in a meta-analysis can seem arbitrary, as if all effort has been expended in building the models that gave rise to the |$p$|-values. Birnbaum (1954) showed that any reasonable |$p$|-value combiner must be optimal against some alternative hypothesis. Starting from this perspective and recasting each method of combining |$p$|-values as a likelihood ratio test, we present theoretical results for some standard combiners that provide guidance on how a powerful combiner might be chosen in practice.