统计中的一些假设检验问题.pdfVIP

统计中的一些假设检验问题 【摘要】：假设检验作为三大统计推断问题之一，历来受到人们的极 大关注。处理假设检验问题时，人们通常选用似然比检验法 (LRT) 。 一般来说， 似然比检验法的势表现是让人满意的。 当然出于不同的目 的人们有时会选用其它的检验方法， 例如本文第二章和第三章中将要 谈到的多重比较法。另外在似然比检验统计量的零分布难以获得时， 人们也会倾向于选择其它检验法， 本文的第四， 第五和第六章就是因 此而没有选择似然比检验法。先简单介绍一下本文的主要工作。 ●在 检验多个处理组和一个对照组的效应是否等时， 本文提出一新的检验 方法。推荐的检验方法不仅能够提供处理组的效应和对照组的效应差 的同时置信下限， 且在处理组效应不差于对照组效应的约束条件下有 很好的势表现。 ●在检验多个处理组的效应是否等时，本文提出一检 验方法在尽量保持连续比较法 (LeeSpurrier，1995)的优势的同时提高 其势表现。 ●讨论协差阵等且未知时序约束下的几组多维正态分布均 值的检验。 Sasabuchi(2003，Ann ．Stat．)给出了在简单序约束下的检 验统计量 (Sasabuchi 检验 )。Sasabuchi 检验的形式复杂，不易计算， 且并不一致优于备择假设没有限制时的经典的 MANOV A 检验。本文 提出了一新的检验方法，并导出了它的渐近零分布。新的检验比 Sasabuchi 检验有一致优的势，且形式简单。通过模拟发现新的检验 方法也优势于 MANOV A 。●讨论在比简单序更一般的序约束下多元 正态均值的检验问题。 ●讨论面板数据模型 (PanelDataModel)中的回归 系数的检验。 当数据模型为一维或二维误差成分面板数据模型时回归 系数的检验变得异常困难。本文利用广义 P 值方法 (TusiWeerahandi， 1989)对此检验问题进行了研究，发现广义 P 值方法明显地优于实际 中常用的忽略异方差法，即认为误差项，随机效应项同方差。也明显 地优于实际中常用的用误差项，随机效应项的样本方差去作为误差 项 ， 随 机 效 应 项 的 已 知 方 差 的 方 法 。 本 文 还 注 意 到 WeerahandiBerger(1999)研究的问题是这一问题的一个特例。 本文证明 了两者的一致性。论文分为六章，其内容安排如下：第一章介绍本文 要讨论的问题的背景及本文的主要工作。 它包括序约束的概念， 序约 束下单维正态分布均值检验的极大似然比统计量， 序约束下多维正态 分布均值检验的进展， 多重比较的概念及其进展。 由于后面的章节会 用到广义 P 值，这一章还介绍了广义 P 值的概念， 给出了一个广义 P 值应用的一个例子。 第二章考虑了简单树序约束下正态分布均值的检 验，即 H_0： μ_i= μ_0，i=1 ，…，k；H_1： μ_i ≥μ，_0i=1 ，…，k ， 其中的不等号至少有一个严格成立。这里的 μ_i 表示正态分布总体 X_i 的均值，即 X_i ～N( μ_i，σ~2)，i=0 ，…，k 。实际中 X_i ，i=1 ，…， k ，常表示处理组效应。 X_0 表示对照组效应。对这一检验问题 Bartholomew(1961)导出了似然比检验。TangLin(1997)推荐了一近似似 然比检验。 Mukerjee 等(1987)提出