$L$ 检验：在稀疏情形下提高线性模型 $F$ 检验的功效而不牺牲有效性
统计方法学
2025-12-01 v1
摘要
我们介绍一种新的检验程序，用于检验高斯线性模型中回归系数集合的显著性。我们的方法，称为 检验，提供与经典 检验相同的统计有效性保证，同时在nuisance coefficients 稀疏时实现更高的功效。尽管 检验需要蒙特卡洛抽样，但每个样本的运行时间主要由简单矩阵-向量乘法决定，因此总体测试仍然计算高效。此外，我们提供一个无蒙特卡洛抽样的变体，可用于特别大规模的 multiple testing 应用。我们对方法的功效提供直观解释，通过大量模拟验证其优势，并通过对 HIV 药物抗性数据集的应用说明其实际效用。在结论中，我们还讨论了该方法如何应用于更广泛的参数模型，这些模型的估计量渐近服从正态分布。
引用
@article{arxiv.2511.23466,
title = {The $L$-test: Increasing the Linear Model $F$-test's Power Under Sparsity Without Sacrificing Validity},
author = {Danielle Paulson and Souhardya Sengupta and Lucas Janson},
journal= {arXiv preprint arXiv:2511.23466},
year = {2025}
}