潜变量模型中 Wald 检验的小样本校正
统计方法学
2020-06-15 v1
摘要
潜变量模型（LVMs）常用于心理学，并日益用于脑成像数据分析。此类研究通常涉及少量受试者（n<100），其中标准渐近结果往往无法适当控制第一类错误。本文提出两种校正方法，用于改善基于最大似然（ML）估计的 LVMs 中 Wald 检验的第一类错误控制。首先，我们推导了方差参数 ML 估计量偏差的校正方法，从而能够估计模型参数的校正标准误与校正 Wald 统计量。其次，我们使用 Student's t 分布而非高斯分布来考虑方差估计量的变异性。Student's t 分布的自由度通过 Satterthwaite 近似进行估计。基于两项已发表脑成像研究数据的模拟研究表明，与未校正 Wald 检验相比，结合这两种校正可提供更优的第一类错误率控制，尽管对某些参数偏于保守。所提方法已在 R 包 lavaSearch2 中实现，网址为 https://cran.r-project.org/web/packages/lavaSearch2。
引用
@article{arxiv.2002.02272,
title = {Small sample corrections for Wald tests in Latent Variable Models},
author = {Brice Ozenne and Patrick M. Fisher and Esben Budtz-Jørgensen},
journal= {arXiv preprint arXiv:2002.02272},
year = {2020}
}