A finite-sample augmented likelihood ratio test for mediation
用于中介效应检验的有限样本增广似然比检验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：摘要围绕中介效应的统计检验展开，但未提供赋予中介关系因果解释的识别条件。
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…
用于中介效应检验的有限样本增广似然比检验
- 研究问题
- 中介效应检验在参数原点附近功效偏低，如何针对任意样本量调整似然比拒绝域，并方便计算有效的p值？
- 方法与思路
- 作者依据检验统计量的精确分布推导最优增广区域，将已有渐近框架中的拒绝域增广思路用于有限样本。
- 材料陈述的贡献
- 摘要称，新检验简单且易于计算p值，模拟显示功效改善与检验水平控制，在非正态误差情形也有支持。
- 阅读关注点
- 应核对精确分布成立的模型条件、增广区域的最优性标准，以及非正态误差下的结论属于理论还是模拟证据。
- 阅读边界
- 摘要未说明中介模型、精确分布的条件及模拟设定，不能据此声称对任意非正态误差均有精确水平控制。
原文摘要
Summary Testing for mediation suffers from low power near the origin. This can be addressed by augmenting the likelihood ratio critical region as discussed in previous work within an asymptotic framework. In this paper we consider exact distributions of test statistics and use this to derive optimal augmentation regions for arbitrary sample sizes. The resulting test is very simple and reliable, making it relevant for empirical research, even with a very small number of observations. This new test is $\alpha$-coherent, as required for the p-values, which are easily calculated for the new test. Simulations confirm robust power improvement and size control, even with non-normal errors.