中介分析中复合零假设的最优检验

在某些因果与回归建模假设下，暴露通过中间变量对结果的间接效应可由两个回归系数之积识别。在此背景下，无间接效应的零假设是一个复合零假设，因为当任一回归系数为零时该零假设成立。其后果是，传统假设检验在原点附近（即当两个系数相对于标准误均较小时）功效严重低下。我们提出以下假设检验：(i) 保持水平 alpha 的第一类错误；(ii) 当两个真实潜在效应相对于样本量均较小时有意义地提升功效；(iii) 当至少一个效应不小时保持功效。一种方法给出闭式检验，该检验在备择参数空间上关于局部功效是极小极大最优的。另一种使用稀疏线性规划，针对贝叶斯风险准则产生近似最优检验。我们讨论了用于大规模假设检验的适配方法以及提升可解释性的改进。我们提供了实现所提方法的 R 包。