异方差单元大规模推断中的排序与选择
统计方法学
2023-06-16 v1
摘要
将有限资源分配给大量潜在候选者是一个普遍存在的挑战。在异方差单元中排序和选择最优候选者的背景下，常规方法常导致子群体的过度代表，并且在同时考虑数千个候选者的大规模设定中该问题进一步加剧。为应对这一挑战，我们提出了一种新的多重比较框架，其结合了修正的功效概念以优先选择重要效应，并采用新颖的排序度量来评估单元的相对重要性。我们开发了 oracle 和数据驱动算法，并证明了它们在控制错误率和实现最优性方面的有效性。我们使用模拟和真实数据评估了所提方法的数值性能。结果表明，我们的框架能够实现统计显著且实际重要效应的更均衡选择，并得出适用于实际场景的客观且相关的排序方案。
引用
@article{arxiv.2306.08979,
title = {Ranking and Selection in Large-Scale Inference of Heteroscedastic Units},
author = {Bowen Gang and Luella Fu and Gareth James and Wenguang Sun},
journal= {arXiv preprint arXiv:2306.08979},
year = {2023}
}
备注
54 pages, 11 figures