新统计检验“Hunt-and-test”用于半参数假设

研究人员开发了一种名为Debiased Score Test的新统计方法，旨在通过检查对数似然的导数来评估半参数假设。该方法可扩展到检验回归函数是否属于线性函数类，为广义可加模型和部分线性模型等模型提供拟合优度检验。该方法采用“hunt-and-test”策略，利用机器学习识别经验得分中有希望的方向，然后检验其显著性，并进行去偏校正以提高准确性。该检验能控制I类错误，并在所识别的方向与真实得分一致时显示出功效，其应用已在HIV临床试验和保险索赔分析中得到展示，并已在R包dScoreTest中实现。 AI

影响 引入了一种新颖的半参数模型假设检验统计框架，可能增强各个研究领域的分析能力。

排序理由 该集群描述了在arXiv上发布的一种新的统计方法论。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv stat.ML 阅读 →

• arXiv
• dScoreTest
• HIV
• Hunt-and-test
• R
• The Debiased Score Test

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →