[论文解读] Generalized Confidence Interval for the Common Coefficient of Variation

Javad Behboodian, Ali Akbar Jafari|arXiv (Cornell University)|May 2, 2014

Statistical Distribution Estimation and Applications参考文献 8被引用 4

一句话总结

本文提出了一种基于广义p值和广义变量的新广义置信区间，用于多个正态总体的共同变异系数（CV）。通过将一种新方法与Tian（2005）的方法相结合，所得区间在长度上更短，覆盖概率更高，优于现有方法，该结论通过模拟和真实医学数据应用得到验证。

ABSTRACT

In this article, we consider the problem of constructing the confidence interval and testing hypothesis for the common coefficient of variation (CV) of several normal populations. A new method is suggested using the concepts of generalized p-value and generalized confidence interval. Using this new method and a method proposed by Tian (2005), we obtain a shorter confidence interval for the common CV. This combination method has good properties in terms of length and coverage probability compared to other methods. A simulation study is performed to illustrate properties.. Finally, these methods are applied to two real data sets in medicine.

研究动机与目标

• 解决多个正态总体共享相同变异系数时，构建共同变异系数（CV）准确置信区间的挑战。
• 克服传统方法在变异系数推断中因干扰参数和非枢统计量分布而产生的局限性。
• 开发一种基于新广义变量的方法，与现有方法相比，提升区间精度和覆盖性能。
• 将新方法与Tian（2005）的广义置信区间方法结合，以在区间长度和覆盖概率方面实现最优性能。
• 通过蒙特卡洛模拟和真实世界医学数据集验证所提方法，展示其实际应用价值。

提出的方法

• 利用广义枢统计量的概念构造共同CV的置信区间，确保其分布不依赖于干扰参数。
• 基于样本标准差与均值的比值，推导出一个广义变量，该变量在原假设（CV相等）下针对共同CV进行了调整。
• 使用5,000次重复的蒙特卡洛模拟，估计广义变量分布的分位数以构建置信区间。
• 将新方法与Tian（2005）的广义p值方法结合，形成一种混合方法，以进一步改善区间长度和覆盖概率。
• 在真实数据上应用该方法，利用广义变量方法计算置信区间和假设检验的p值。
• 通过模拟比较四种方法的覆盖概率和区间长度：Tian（2005）、Verrill和Johnson（2007）、新方法（13）和组合方法（17）。

实验结果

研究问题

• RQ1 与现有方法相比，基于新广义变量的方法能否改善共同变异系数置信区间的覆盖概率和区间长度？
• RQ2 组合方法（新方法 + Tian的方法）在区间长度和覆盖概率方面与各独立方法相比表现如何？
• RQ3 在小样本情况下，所提方法的实证性能如何，特别是其是否能维持名义上的覆盖水平？
• RQ4 在样本大小异质、CV值多变的真实医学数据集中，所提方法表现如何？
• RQ5 与MLE或Feltz和Miller的估计器等现有估计器相比，新方法是否能提供更准确的共同CV点估计？

主要发现

• 在示例1中，组合方法（17）的置信区间长度最短（0.0092），优于Tian的方法（0.0100）和Verrill与Johnson的方法（0.0103）。
• 在示例2中，组合方法的区间长度为2.8020，短于Tian的方法（5.4416）和Verrill与Johnson的方法（0.6479）；尽管后者区间更短，但在小样本中表现出覆盖不足。
• 当样本量较小时，Verrill与Johnson（2007）方法的覆盖概率低于名义上的95%水平，表明在该类设置下可靠性较差。
• 新方法（13）的平均区间长度略短于Tian的方法，但在某些情形下覆盖概率较低，表明精度与可靠性之间存在权衡。
• 在两个真实数据示例中，组合方法（17）的覆盖概率接近名义上的95%水平，同时区间长度短于Tian的方法。
• 在示例1中，组合方法的95%置信区间为（0.0333, 0.0425），比Tian的方法（0.0347, 0.0447）更窄，表明在不牺牲覆盖概率的前提下实现了更高的精度。