Evaluating Statistical Hypotheses Using Weakly-Identifiable Estimating Functions.
Evaluating Statistical Hypotheses Using Weakly-Identifiable Estimating Functions.
复制标题
DOI：
10.1111/j.1467-9469.2012.00811.x
复制
发表时间：
2013-06-01
期刊：
影响因子：
--
通讯作者：
Fine JP
中科院分区：
文献类型：
--
作者：
Cao G;Todem D;Yang L;Fine JP
在实际应用中，许多统计模型都含有不可辨识或弱辨识的参数。由于可识别性问题，有关感兴趣参数的检验可能无法使用传统理论，并且可能不清楚如何评估统计学显著性。本文通过开发一种可用于评估非可识别和弱可识别半参数模型下的假设的检验程序来扩展文献。检验统计量是由代表感兴趣的群体特征的有限维参数模型的一般估计函数构造的，但是可以由无限维参数描述并且被视为滋扰的其他特征完全未指定。我们推导出这个统计量的极限分布，并提出理论上合理的reservation方法来近似其渐近分布。该方法的实际效用说明在模拟和分析的生活质量的结果，从纵向研究乳腺癌。
Many statistical models arising in applications contain non- and weakly-identified parameters. Due to identifiability concerns, tests concerning the parameters of interest may not be able to use conventional theories and it may not be clear how to assess statistical significance. This paper extends the literature by developing a testing procedure that can be used to evaluate hypotheses under non- and weakly-identifiable semiparametric models. The test statistic is constructed from a general estimating function of a finite dimensional parameter model representing the population characteristics of interest, but other characteristics which may be described by infinite dimensional parameters, and viewed as nuisance, are left completely unspecified. We derive the limiting distribution of this statistic and propose theoretically justified resampling approaches to approximate its asymptotic distribution. The methodology’s practical utility is illustrated in simulations and an analysis of quality-of-life outcomes from a longitudinal study on breast cancer.
登录
查看更多内容
影响因子：
2.7
作者：
DAVIES, RB
通讯作者：
DAVIES, RB
影响因子：
4.5
作者：
GONG, G;SAMANIEGO, FJ
通讯作者：
SAMANIEGO, FJ
影响因子：
2.7
作者：
Ritz, C;Skovgaard, IM
通讯作者：
Skovgaard, IM
影响因子：
2.7
作者：
PARZEN, MI;WEI, LJ;YING, Z
通讯作者：
YING, Z
影响因子：
3.7
作者：
Scharfstein, DO;Rotnitzky, A;Robins, JM
通讯作者：
Robins, JM