Robust tests for log-logistic models based on minimum density power divergence estimators
基于最小密度幂散度估计的对数逻辑斯蒂模型稳健检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究特定参数分布的通用稳健检验，没有明确涉及分位数效应、因果识别或所列宏观与金融细分问题。
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…
基于最小密度幂散度估计的对数逻辑斯蒂模型稳健检验
- 研究问题
- 对数逻辑斯蒂分布参数的经典 Wald 与 Rao 检验可能受数据污染影响，如何构造对污染更稳健的参数假设检验？
- 方法与思路
- 作者以最小密度幂散度估计量构造 Wald 型和 Rao 型统计量，并推导简单及复合原假设下的表达式，开展模拟比较。
- 材料陈述的贡献
- 摘要称，新检验族推广了经典 Wald 与 Rao 检验，继承相关估计量的稳健性质，模拟研究展示了其面对污染的表现。
- 阅读关注点
- 应核对散度调节参数的选择、复合原假设下的计算方法，以及稳健性定义、渐近分布和模拟中的污染机制与比较标准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获验证；摘要未给出具体正则条件、污染程度或检验尺寸与功效的数值。
原文摘要
The log-logistic distribution is a versatile parametric family widely used across various applied fields, including survival analysis, reliability engineering, and econometrics. When estimating parameters of the log-logistic distribution, hypothesis testing is necessary to verify assumptions about these parameters. The Wald test and Rao test provide formal methods for testing hypotheses about these parameters. However, these test statistics are not robust, and their rejection decisions may be affected by data contamination. In this paper we develop new families of Wald-type test statistics and Rao-type test statistics based on minimum density power divergence estimators (MDPDEs) for the parameters of the log-logistic distribution. These new families generalize the Wald and Rao test statistics, inheriting the robustness properties from the MDPDEs and thus addressing the lack of robustness of the classical tests. Explicit expressions for the test statistics under the log-logistic model for both simple and composite null hypotheses are derived, and their properties are analyzed in detail. An extensive simulation study empirically demonstrates the robustness of these families and compares their performance with the classical methods.