基于后验样本的灵活频率学良好拟合度检验

良好拟合度检验在几乎所有应用统计学的领域中都有使用。一种强大且灵活的方法是对抽取与真实数据在原假设下可交换的人工数据集进行抽样，因为这使得分析师能够使用他们所需的任意检验统计量来进行有效检验。这种抽样通常通过对确切或近似充分统计量进行条件化来完成，但现有方法存在显著局限，这些局限要么使其无法使用，要么在许多重要模型中显著降低其功效或计算可行性。在本文中，我们提议对来自贝叶斯后验分布的样本进行条件化，这与先前工作中所考虑的其他近似充分统计量类型截然不同。我们的方法通过贝叶斯实现的近似共充分抽样（aCSS-B）大大扩展了这种灵活类型良好拟合度检验的适用范围。我们证明了所得检验的近似有效性，并在三个常见的原假设模型上演示了其实用性，其中不存在现有方法适用，以及在现有方法适用的模型上其优势表现。