Monte Carlo Evaluation of Resampling-Based Hypothesis Tests
基于重抽样的假设检验的蒙特卡洛评价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：摘要研究通用重抽样检验的模拟计算与功效估计，未明确关联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
基于重抽样的假设检验的蒙特卡洛评价
- 研究问题
- 蒙特卡洛功效研究需要在每次模拟中执行重抽样检验时，如何减少内层重抽样次数，并纠正由此产生的功效估计偏差？
- 方法与思路
- 作者缩小内层重抽样循环，使用简单的线性外推方法校正功效估计偏差，以降低嵌套蒙特卡洛研究的计算负担。
- 材料陈述的贡献
- 摘要称线性外推在偏差校正方面表现良好，从而减少重抽样检验功效研究的计算时间，但未提供具体节省幅度。
- 阅读关注点
- 应核对内层次数与偏差的关系、线性外推如何实施，以及校正后的误差、方差和计算成本如何随检验与设定变化。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。摘要未说明外推公式、适用条件或计算比较，不能认定任意减少重抽样次数都能可靠校正。
原文摘要
Monte Carlo estimation of the power of tests that require resampling can be very computationally intensive. It is possible to reduce the size of the inner resampling loop as long as the resulting estimator of power can be corrected for bias. A simple linear extrapolation method is shown to perform well in correcting for bias and thus reduces computation time in Monte Carlo power studies.