基于组块3×2交叉验证t检验的模型选择算法

传统的模型选择问题中,往往以所关心的性能指标的大小来评价模型.然而,许多情形下模型性能指标之间的差异在统计意义下是不显著的,是由随机误差导致的.为此,基于组块3×2交叉验证指标差异的显著性t检验给出了一种新的模型选择算法.模拟实验结果表明,在统计意义的最小化即平方损失(回归)和0-1(分类)损失最小化下,该方法常常被选择到较为简单的模型.

多重比较及其在销售数据分析上的应用

本文对LSD方法、Bonferrioni方法、SNK方法、Tukey方法和Duncan方法等五种多重比较方法的检验效果进行了比较研究,并以Only服装销售数据为例,用SPSS软件中的多重比较方法对该数据进行了分析和比较。比较结果表明,LSD方法比Bonferroni方法有更高的灵敏度,却不如Bonferroni方法能更好地控制FWER,而划分相似子集时Duncan方法比SNK方法和Tukey方法更灵敏。