Some Statistical Procedures for Combining Independent Tests
合并独立检验的若干统计程序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：摘要属于线性模型与合并检验的一般统计方法，未明确涉及所列领域细分。
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…
合并独立检验的若干统计程序
- 研究问题
- 当若干独立研究回答同一问题时，如何合并对共同均值向量或共同方差分量的检验，并比较检验功效？
- 方法与思路
- 作者分别考察方差不同的两个独立线性模型，以及含两个方差分量的线性模型，提出新检验并数值比较现有方法。
- 材料陈述的贡献
- 摘要称文章提出两类问题的新检验程序，综述已有检验，并根据功效比较给出应用选择建议，涵盖区组设计特例。
- 阅读关注点
- 应核对独立性和共同参数的设定、检验水平如何控制，以及功效比较所用参数范围是否支持文中的选择建议。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；检验形式、分布条件和具体建议未说明，不能判断普遍优越性。
原文摘要
In many applications available data from several independent studies address the same question, and it is essential to have statistical methods for combining the results from the different studies. This article addresses this issue in two setups: (1) a testing hypothesis concerning the common mean vector of two independent linear models having different variances, and (2) a testing hypothesis concerning a common variance component in linear models involving two variance components. The interblock analysis of a balanced incomplete block design (BIBD) is a special case of (1) when we are interested in testing the equality of the treatment effects. Testing the significance of the treatment variance component in a BIBD with random effects is a special case of (2). We suggest some new test procedures for the testing problems in (1) and (2) and also give a review of the various existing tests. We numerically compare the powers of the various tests and make specific recommendations regarding the choice of the test to be used in practical applications.