A locally most powerful test for homogeneity with many strata
多分层情形下同质性的局部最强检验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：分层混合模型与匹配病例对照研究本身不构成面板或因果推断证据，故不强行归类。
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
多分层情形下同质性的局部最强检验
- 研究问题
- 在具有许多分层的混合模型中，如何检验干扰参数在层间是否同质，并比较分层与不分层的目标参数估计效率？
- 方法与思路
- 作者在原假设下计算干扰参数的得分平方与观测信息之差构造检验，并分析正态均值及匹配病例对照等例子。
- 材料陈述的贡献
- 摘要称提出局部最强同质性检验，计算分层与不分层估计的相对效率，并用两组匹配病例对照数据说明。
- 阅读关注点
- 应核对局部备择和混合模型设定、干扰参数的维度、检验校准方式，以及效率比较在不同层间异质性下的条件。
- 阅读边界
- 材料为OpenAlex索引摘要，稿件版本未注明；局部最强不保证所有备择下功效最高，具体效率数值与渐近条件未说明。
原文摘要
A locally most powerful test is proposed for homogeneity of nuisance parameters from many strata in the mixed model setting. The test is based on the difference between the square of the score and the observed information about the nuisance parameters, all evaluated at the null hypothesis. Several examples including constant normal mean with possibly different variances and matched case-control studies are presented in detail. The relative efficiencies of the unstratified estimator of parameter of interest versus the stratified one are calculated. Two data sets on matched case-control studies are used for illustration.