Nearly Optimal Tests When a Nuisance Parameter Is Present Under the Null Hypothesis
原假设下存在干扰参数时的近最优检验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：摘要明确列举结构突变日期推断，以及高持久性预测变量下的可预测性检验应用。
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…
原假设下存在干扰参数时的近最优检验
- 研究问题
- 在原假设下含有干扰参数的非标准检验问题中，如何确定有效检验的加权平均功效上限，并构造接近该上限的可行检验？
- 方法与思路
- 作者建立所有有效检验的加权平均功效上界，再用数值算法寻找接近上界的检验，并通过六类推断问题说明方法。
- 材料陈述的贡献
- 摘要明确提出功效上界与近界检验算法，应用包括结构突变日期、高持久性预测变量和区间识别参数等问题。
- 阅读关注点
- 应核对有效性的定义、功效权重与干扰参数集合，以及数值算法的误差控制和各应用接近上界的程度。
- 阅读边界
- 依据2014年9月修订的作者工作稿摘要；不能据此推断该版本已同行评审或被接收，也不能推断2015年刊本变化。权重、条件和数值差距未说明。
原文摘要
This paper considers nonstandard hypothesis testing problems that involve a nuisance parameter. We establish an upper bound on the weighted average power of all valid tests, and develop a numerical algorithm that determines a feasible test with power close to the bound. The approach is illustrated in six applications: inference about a linear regression coefficient when the sign of a control coefficient is known; small sample inference about the difference in means from two independent Gaussian samples from populations with potentially different variances; inference about the break date in structural break models with moderate break magnitude; predictability tests when the regressor is highly persistent; inference about an interval identified parameter; and inference about a linear regression coefficient when the necessity of a control is in doubt.