函数型数据的通用多重检验
统计方法学
2023-06-28 v1
摘要
尽管已有若干用于分析析因设计下函数型数据的推断方法，但仍缺乏满足以下条件的统计检验：(i) 适用于通用设计，(ii) 对数据生成过程假设宽松，以及 (iii) 支持连贯的事后分析。具体而言，大多数现有方法假设高斯性或多组间协方差函数相等（同方差性），且仅适用于不允许评估交互效应的特定研究设计。此外，所有可用策略仅用于检验全局原假设，无法直接对多个局部原假设进行更深入的分析。针对前两个问题 (i)-(ii)，我们提出了灵活的积分型检验统计量，可在对数据生成过程假设极少的一般析因设计中应用。特别地，我们既未假定同方差性，也未假定高斯性。为近似统计量的零分布，我们采用重抽样方法并从方法论上加以验证。最后，我们利用灵活的检验框架同时推断 (iii) 多个局部原假设。为实现有力的数据分析，我们由此考虑了不同局部检验统计量间的复杂依赖关系。在大量模拟中，我们证实了新方法的灵活适用性。两项说明性数据分析完成了本研究。新的检验流程已在 R 包 multiFANOVA 中实现，该包即将在 CRAN 上发布。
引用
@article{arxiv.2306.15259,
title = {General multiple tests for functional data},
author = {Merle Munko and Marc Ditzhaus and Markus Pauly and Łukasz Smaga and Jin-Ting Zhang},
journal= {arXiv preprint arXiv:2306.15259},
year = {2023}
}