P Values Maximized Over a Confidence Set for the Nuisance Parameter
在干扰参数置信集合上最大化的 p 值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：摘要讨论含干扰参数的通用假设检验，列联表和半参数示例不足以对应给定经济计量细分方向。
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
在干扰参数置信集合上最大化的 p 值
- 研究问题
- 当检验含未知干扰参数，常规代入或条件化方法又不适用时，如何构造既有统计依据又更便于使用的 p 值？
- 方法与思路
- 作者从干扰参数已知时的 p 值出发，将原本在整个干扰参数空间上的最大化限制到一个置信集合内，并给出简要论证。
- 材料陈述的贡献
- 摘要称该修改在二乘二列联表实例中改善结果，并处理此前难以解决的半参数检验问题，但未列出完整构造细节。
- 阅读关注点
- 应核对显著性水平控制的论证、置信集合的构造及完整 p 值定义，并检查最大化的计算方式与各示例的比较基准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；摘要未提供完整校正表达式或有效性条件，不能仅凭限制最大化范围就认定检验有效。
原文摘要
For testing problems of the form H 0: v = v 0 with unknown nuisance parameter θ, various methods are used to deal with θ. The simplest approach is exemplified by the t test where the unknown variance is replaced by the sample variance and the t distribution accounts for estimation of the variance. In other problems, such as the 2 × 2 contingency table, one conditions on a sufficient statistic for 0 and proceeds as in Fisher's exact test. Because neither of these standard methods is appropriate for all situations, this article suggests a new method for handling the unknown θ. This new method is a simple modification of the formal definition of a p value that involves taking a maximum over the nuisance parameter space of a p value obtained for the case when θ is known. The suggested modification is to restrict the maximization to a confidence set for the nuisance parameter. After giving a brief justification, we give various examples to show how this new method gives improved results for 2 × 2 tables and solves previously intractable semiparametric problems.