Testing Hypotheses about an Identified Treatment when there are Multiple Endpoints
多终点下关于指定处理的假设检验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：摘要研究多终点处理比较的统计检验，但未提供因果识别设计，故不据“处理”一词归入因果推断。
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…
多终点下关于指定处理的假设检验
- 研究问题
- 当响应包含多个终点时，如何检验指定处理是否在所有分量上优于其他处理，或对每个对手至少在一个分量上更好？
- 方法与思路
- 作者将单变量min检验的最优性扩展到多变量情形，研究多元正态下的似然比检验，并提出基于Bonferroni不等式的检验。
- 材料陈述的贡献
- 摘要称给出两类比较目标的检验；协方差未知的多元正态情形中，可容许性似然比检验的功效比Bonferroni方案更不稳定。
- 阅读关注点
- 应核对两种复合备择的量词结构、min检验的最优性标准，以及协方差已知或未知时的校准与功效比较。
- 阅读边界
- 仅有版本未注明的 OpenAlex 索引摘要；未说明处理分配或因果识别设计，最优性及功效比较的完整条件需核对，不能推断刊本变化。
原文摘要
The problem of comparing an identified treatment with K other treatments is considered in a multivariate setting. Many formulations of composite alternative hypotheses are possible. For example, one might wish to examine whether the identified treatment is superior to the other treatments on all components of the response vector (i.e., is uniformly best) or whether the identified treatment is better than each treatment on at least one component (i.e., is admissible). For testing whether the identified treatment is uniformly best, the known optimality of the min test in the univariate case is extended to the multivariate case. If the distribution is multivariate normal, then the min test is shown to be a likelihood ratio test. For testing whether the identified treatment is admissible, a min test based on the Bonferroni inequality is suggested. For the multivariate normal with unknown covariance matrix, the likelihood ratio test is also a min test, but it has less stable power characteristics than does the Bonferroni-based test.