FORMALIZED DATA SNOOPING BASED ON GENERALIZED ERROR RATES
基于广义错误率的形式化数据窥探处理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：摘要讨论一般多重检验与模型选择，未说明两个经验应用属于何种指定领域。
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…
基于广义错误率的形式化数据窥探处理
- 研究问题
- 在同时检验大量假设时，如何以比家族错误率更宽松的错误控制标准处理多重检验，并避免因控制过严而难以拒绝错误假设？
- 方法与思路
- 作者回顾统计文献中若干替代错误率控制提案，讨论其用于一般模型选择的方式，并以模拟研究和两个经验应用展示方法。
- 材料陈述的贡献
- 摘要称系统讨论替代家族错误率的多重检验程序，联系模型选择并提供模拟与应用展示；摘要未将这些方法表述为作者全部原创。
- 阅读关注点
- 应核对各错误率的精确定义、程序控制所需的检验依赖条件，以及模拟和应用中错误拒绝控制与检验能力之间的权衡。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要版本，具体错误率、控制条件和应用内容未说明；更宽松控制不能直接解释为普遍优于家族错误率控制。
原文摘要
It is common in econometric applications that several hypothesis tests are carried out simultaneously. The problem then becomes how to decide which hypotheses to reject, accounting for the multitude of tests. The classical approach is to control the familywise error rate (FWE), which is the probability of one or more false rejections. But when the number of hypotheses under consideration is large, control of the FWE can become too demanding. As a result, the number of false hypotheses rejected may be small or even zero. This suggests replacing control of the FWE by a more liberal measure. To this end, we review a number of recent proposals from the statistical literature. We briefly discuss how these procedures apply to the general problem of model selection. A simulation study and two empirical applications illustrate the methods.We thank three anonymous referees for helpful comments that have led to an improved presentation of the paper. The research of the third author has been partially supported by the Spanish Ministry of Science and Technology and FEDER, Grant BMF2003-03324.