An Adaptive and Powerful Randomization Test
一种自适应且具高功效的随机化检验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：摘要虽涉及配对随机化检验，但未明确研究处理效应或因果识别，故不据此归为因果推断。
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
一种自适应且具高功效的随机化检验
- 研究问题
- 自适应地选择检验程序可能引起检验水平膨胀，如何在配对样本中保持精确水平并获得较高的渐近功效？
- 方法与思路
- 作者提出一种简单的自适应精确程序，据此构造配对样本的随机化检验，并通过模拟考察其有限样本表现。
- 材料陈述的贡献
- 摘要称，所构造检验的实际水平精确等于 α，渐近功效等于组成检验的最大功效，并提供有限样本模拟研究。
- 阅读关注点
- 应核对随机化检验精确性的条件、组成检验和选择规则，以及渐近最大功效的比较方式与模拟中的水平控制。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要；随机化条件、选择机制和模拟结果未展开，不能推断刊本变化。
原文摘要
Hogg & Lenth (1984) reviewed some adaptive tests. The main problems encountered while using such a procedure are the need for a good selector statistic and the size inflation due to the choice. At present, the solution to the latter problem is to construct a distribution-free procedure (Randies & Hogg, 1973). In this paper we propose a simple adaptive exact procedure. We then use it to construct an adaptive randomization test for matched pairs. This test has exactly size α, the actual size of test components and its power is asymptotically equal to the maximum power of the components. Finally, to observe the behaviour of the method for finite sample sizes we conduct a simulation study.