论分割似然比检验中分割比例的选择
统计理论
2023-09-11 v2 统计方法学
统计理论
摘要
最近引入的通用推断（universal inference）框架提供了一种构造假设检验与置信区域的新方法，这些方法在有限样本中有效且不依赖于底层统计模型的任何特定正则性假设。该方法的核心是一个分割似然比统计量，它在数据分割下形成并与巧妙选取的通用临界值比较。由于该临界值可能非常保守，通过谨慎选择数据分割所依据的比例来减轻潜在的幂损失是值得关注的。受此问题驱动，我们在局部备择下研究分割似然比检验，并引入由此产生的非中心分割卡方分布类。我们研究了这一新分布类的性质，并用它来数值考察并提出针对不同维数复合假设检验的数据分割比例的最优选择。
引用
@article{arxiv.2203.06748,
title = {On the choice of the splitting ratio for the split likelihood ratio test},
author = {David Strieder and Mathias Drton},
journal= {arXiv preprint arXiv:2203.06748},
year = {2023}
}