[论文解读] Density Power Divergence Tests for Composite Null Hypotheses

Nirian Martín|arXiv (Cornell University)|Jan 1, 2015

Advanced Statistical Methods and Models参考文献 37被引用 9

一句话总结

本文基于密度幂散度提出了一类似似然比检验的统计方法，用于处理参数模型中的复合原假设。通过调节单一参数 α，该方法在真实模型下的效率与污染情况下的稳健性之间实现平衡，其渐近零分布和功效函数已通过解析方法推导得出，表明在模型偏离情况下性能稳定。

ABSTRACT

In any parametric inference problem, the robustness of the procedure is a real concern. A procedure which retains a high degree of efficiency under the model and simultaneously provides stable inference under data contamination is preferable in any practical situation over another procedure which achieves its efficiency at the cost of robustness or vice versa. The densitypower divergence family of Basu et al. (1998) provides a flexible class of divergences where the adjustment between efficiency and robustness is controlled by a single parameter �. In this paper we consider general tests of parametric hypotheses based on the density power divergence. We establish the asymptotic null distribution of the test statistic and explore its asymptotic power function. Numerical results illustrate the performance of the theory developed. AMS 2001 Subject Classification: 62F03, 62F35

研究动机与目标

• 解决在模型误设条件下参数推断中统计效率与稳健性之间的权衡问题。
• 将密度幂散度框架扩展至具有复合原假设的一般参数检验。
• 推导检验统计量在原假设下的渐近分布，以实现稳健推断。
• 分析在局部替代假设下所提出检验的渐近功效。
• 通过数值研究展示该方法的实际性能。

提出的方法

• 检验统计量基于密度幂散度构建，这是一种由调优参数 α 索引的灵活差异度量。
• 该方法采用基于密度幂散度的似然比型检验统计量，替代传统的 Kullback-Leibler 散度。
• 在正则性条件下，推导出检验统计量的渐近零分布，表明其极限分布为卡方分布。
• 在局部替代假设下推导出渐近功效函数，从而可评估检验的敏感性。
• 调优参数 α 控制效率与稳健性之间的权衡，其中 α = 0 对应最大稳健性，而 α → 0+ 对应最大效率。
• 数值模拟验证了理论结果，并展示了该方法在模型污染下的稳定性。

实验结果

研究问题

• RQ1 如何将密度幂散度适配于复合参数假设检验？
• RQ2 密度幂散度检验统计量的渐近零分布为何种形式？
• RQ3 调优参数 α 如何影响检验中效率与稳健性之间的权衡？
• RQ4 在局部替代假设下，该检验的渐近功效函数是什么？
• RQ5 与经典似然比检验相比，该方法在数据污染下的表现如何？

主要发现

• 在正则性条件下，检验统计量的渐近零分布为卡方分布，从而支持有效的统计推断。
• 在局部替代假设下，该检验保持高功效，且功效函数已明确推导。
• 该方法在模型正确设定时保持高效率，同时对模型污染具有稳健性。
• 调优参数 α 允许系统性地控制效率与稳健性之间的权衡，中间值 α 取得最优性能。
• 数值结果表明，该检验在污染数据下优于经典似然比检验，保持了稳定性和功效。
• 理论渐近结果在有限样本中具有良好的近似性，表明其具有实际可靠性。