Small-sample degrees of freedom for multi-component significance tests with multiple imputation for missing data
多重插补多分量显著性检验的小样本自由度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：摘要聚焦缺失数据多重插补后的通用显著性检验与自由度修正，未提供所列领域细分所需的具体模型或应用对象。
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
多重插补多分量显著性检验的小样本自由度
- 研究问题
- 对多重插补数据实施多分量显著性检验时，如何避免参考 F 分布的分母自由度在完整数据样本较小时取值不合理？
- 方法与思路
- 作者为 Wald 型检验提出替代的分母自由度，使其不超过完整数据的对应自由度，并在无限样本极限下与原有规则一致。
- 材料陈述的贡献
- 摘要称新自由度修正满足完整数据自由度上界，解决原有无限样本推导在较小样本中的问题，并通过模拟展示其优势。
- 阅读关注点
- 应核对自由度修正依赖的插补量与完整数据自由度、无限样本极限的含义，以及模拟中的检验水平和适用样本范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；修正公式、插补条件及模拟数值未提供，不能据此断言任意小样本下检验均准确。
原文摘要
When performing multi-component significance tests with multiply-imputed datasets, analysts can use a Wald-like test statistic and a reference F-distribution. The currently employed degrees of freedom in the denominator of this F-distribution are derived assuming an infinite sample size. For modest complete-data sample sizes, this degrees of freedom can be unrealistic; for example, it may exceed the complete-data degrees of freedom. This paper presents an alternative denominator degrees of freedom that is always less than or equal to the complete-data denominator degrees of freedom, and equals the currently employed denominator degrees of freedom for infinite sample sizes. Its advantages over the currently employed degrees of freedom are illustrated with a simulation.