The optimal power puzzle: scrutiny of the monotone likelihood ratio assumption in multiple testing
最优功效之谜：审视多重检验的单调似然比假设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：摘要讨论通用多重检验理论，未限定因果、因子、金融风险或其他所列应用领域。
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
最优功效之谜：审视多重检验的单调似然比假设
- 研究问题
- 在控制错误发现率的多重检验中，为何精确达到目标错误率未必获得更高功效，单调似然比条件在其中起什么作用？
- 方法与思路
- 作者比较单一检验与错误发现率框架下的功效关系，辨析检验统计量不满足单调似然比条件的不同情形。
- 材料陈述的贡献
- 摘要称单调似然比条件失效时，精确错误发现率控制可能对应较低功效，并据此提出实际开展多重检验时的注意事项。
- 阅读关注点
- 应核对功效和错误发现率的具体定义、被比较程序的范围，以及单调似然比失效如何改变错误率与功效之间的关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；反例构造、统计量分布与检验依赖设定未说明，不能据此认为精确控制通常会降低功效。
原文摘要
In single hypothesis testing, power is a non-decreasing function of type I error rate; hence it is desirable to test at the nominal level exactly to achieve optimal power. The puzzle lies in the fact that for multiple testing, under the false discovery rate paradigm, such a monotonic relationship may not hold. In particular, exact false discovery rate control may lead to a less powerful testing procedure if a test statistic fails to fulfil the monotone likelihood ratio condition. In this article, we identify different scenarios wherein the condition fails and give caveats for conducting multiple testing in practical settings.