Behrens-Fisher问题的参数bootstrap区间估计

文章使用参数bootstrap方法考虑了Behrens-Fisher问题中关于两个正态总体均值差的置信区间构造问题。文献中常用的区间估计方法均不能在各种样本容量和参数设置下都保证置信区间的覆盖率和估计精度。文章提出了一种参数bootstrap区间估计方法,并与流行的Welch近似解法和广义置信区间进行了比较。借助Monte Carlo方法研究了这三种方法的覆盖率和区间平均长度。模拟结果表明,在一般样本量下,参数boot-strap区间估计表现最好,且在极小样本、异方差程度严重的情况下,参数bootstrap方法仍然优于Welch近似解法和广义枢轴量法,广义置信区间估计则非常保守,精度很低。

带有等相关误差结构生长曲线模型的参数bootstrap检验

文章研究了具有等相关误差结构的生长曲线模型回归系数的检验问题,构造了参数bootstrap(PB)检验统计量和相应的PB检验,并与已有的广义p值(GP)检验进行了比较。模拟研究表明,PB方法和GP方法在单处理组情形下的表现趋于一致,均能很好的控制第一类错误率;在多处理组情形下,GP方法在一些情形下不能很好地控制犯第一类错误的概率,而PB方法则在很好地保证检验名义水平的前提下,同时也具有良好的势表现。