Hierarchical Statistical Models and a Generalized Likelihood Ratio Test
层级统计模型与广义似然比检验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：摘要讨论一般嵌套模型的检验与置信集合，未提供面板、因果推断或其他所列细分方向的直接依据。
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
层级统计模型与广义似然比检验
- 研究问题
- 对于具有嵌套结构的统计模型，如何结合经典显著性检验与置信集合构造进行模型识别，并评价检验的功效？
- 方法与思路
- 作者提出具有相等边际错误率的广义似然比检验，将其作为嵌套模型推断和模型识别中构造置信集合的基本工具。
- 材料陈述的贡献
- 摘要称论文刻画了所提检验的功效表现，并给出若干应用示例，为嵌套统计模型的检验与识别提供统一工具。
- 阅读关注点
- 应核对相等边际错误率的定义、嵌套层级如何组织，以及置信集合的覆盖性质和功效刻画所需的模型条件。
- 阅读边界
- 仅据所给Crossref摘要；摘要未列明模型类别、误差控制细节或应用结果，不能推断该方法适用于所有层级模型。
原文摘要
SUMMARY This paper deals with statistical inference for statistical models which have a nested structure. The emphasis here is on the use of a classical test of significance and on a confidence set construction approach for model identification, and the paper proposes a generalized likelihood ratio test with equal marginal error rate as a basic tool. The power performance of this test is characterized and some applications are illustrated.