Correlation and Large-Scale Simultaneous Significance Testing
相关性与大规模同时显著性检验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：摘要讨论通用大规模多重检验，未给出对应所列经济计量细分领域的明确应用或模型。
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
相关性与大规模同时显著性检验
- 研究问题
- 同时处理数百或数千个检验统计量时，相关性如何影响推断准确性，又如何评估其强度并选择合适的零假设分布？
- 方法与思路
- 作者提出评估大规模检验相关性及其影响的计算和理论方法，并通过一个总体相关性度量描述检验统计量次序统计量的相关影响。
- 材料陈述的贡献
- 摘要称理论识别出一个总体相关性度量，并将其与同时显著性检验的零假设分布选择联系起来，解释相关性对推断的影响。
- 阅读关注点
- 应核对总体相关性度量的定义与估计方式、理论近似适用条件，以及相关性如何改变零分布和错误发现率方法的实际表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；相关结构与误差控制条件未说明，不能据此认定任意依赖下均有保证或推断刊本变化。
原文摘要
Large-scale hypothesis testing problems, with hundreds or thousands of test statistics zi to consider at once, have become familiar in current practice. Applications of popular analysis methods, such as false discovery rate techniques, do not require independence of the zi's, but their accuracy can be compromised in high-correlation situations. This article presents computational and theoretical methods for assessing the size and effect of correlation in large-scale testing. A simple theory leads to the identification of a single omnibus measure of correlation for the zi's order statistic. The theory relates to the correct choice of a null distribution for simultaneous significance testing and its effect on inference.