Robust Asymptotic Tests of Statistical Hypotheses Involving Nuisance Parameters
含干扰参数统计假设的稳健渐近检验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。
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：摘要研究通用稳健假设检验，未明确对应所列经济计量细分方向。
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
含干扰参数统计假设的稳健渐近检验
- 研究问题
- 存在干扰参数且数据可能偏离理想模型时，如何在污染邻域内构造稳健检验，并兼顾局部最坏情形功效和理想模型效率？
- 方法与思路
- 作者将 Neyman 的 C(α) 检验扩展为污染邻域下的稳健版本，分析渐近局部最大最小性质及理想模型处的效率。
- 材料陈述的贡献
- 摘要称所提检验在渐近水平为 α 的检验中具有渐近局部最大最小性质，并提出一个抵抗离群值的 Student t 检验版本。
- 阅读关注点
- 应核对污染邻域的定义、干扰参数处理方式、局部备择和比较检验类别，以及稳健性与理想模型效率之间的关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；邻域条件和效率数值未说明，局部渐近最优不能直接解释为有限样本普遍最优。
原文摘要
A robust version of Neyman's optimal $C(\alpha)$ test is proposed for contamination neighborhoods. The proposed robust test is shown to be asymptotically locally maximin among all asymptotic level $\alpha$ tests. Asymptotic efficiency of the test procedure at the ideal model is investigated. An outlier resistant version of Student's $t$-test is proposed.