实践中仍在使用常客性条件推理吗？

我最近回顾了南希·里德，巴恩多夫-尼尔森，理查德·考克斯以及是的罗纳德·费舍尔的一些旧论文，这些论文涉及惯常主义范式中的“条件推论”概念，这似乎意味着推论仅基于考虑样本空间的“相关子集”，而不是整个样本空间。

作为一个关键的例子，如果您还考虑样本的变异系数（称为辅助统计量），则可以改善基于t统计量的置信区间（Goutis＆Casella，1992）。

作为经常使用基于似然性推断的人，我假设当我形成一个渐近％置信区间时，我正在执行（近似）条件推断，因为似然性取决于观察样本。$\alpha$

我的问题是，除了条件逻辑回归之外，我还没有看到在推断之前对辅助统计条件进行调整的想法的使用。这种类型的推理是仅限于指数族，还是现在使用其他名称，所以它似乎仅是有限的。

我发现最近的一篇文章（Spanos，2011年）似乎对有条件推论（即无礼）所采用的方法产生了严重怀疑。取而代之的是，它提出了一个非常明智且数学上不那么费解的建议，即可以通过删节通常的无条件采样分布来解决“不规则”情况下的参数推断（其中分布的支持由参数确定）。

弗雷泽（Fraser（2004））很好地证明了条件性，但我仍然感到，要对复杂的情况实际应用条件推理，不仅需要运气和独创性，而且肯定比调用卡方更为复杂。 “近似”条件推断的似然比统计量的近似。

威尔士（2011，第163页）可能已经回答了我的问题（3.9.5，3.9.6）。

他们指出了巴苏的著名结果（巴苏定理），其中可能有不止一个辅助统计量，这是关于哪个“相关子集” 最相关的问题。更糟糕的是，它们显示了两个示例，这些示例说明即使您具有唯一的辅助统计信息，也无法消除其他相关子集的存在。

他们继续得出结论，只有贝叶斯方法（或与之等效的方法）才能避免此问题，从而实现无条件的条件推断。

参考文献：

• $t$
• Spanos，阿里斯。“重新审视韦尔奇统一模型：有条件推论的情况吗？”。 统计科学进展与应用 5（2011）：33-52。
• DAS弗雷泽（Fraser），“辅助条件和条件推断”。 统计科学 19.2（2004）：333-369。
• 威尔士，艾伦·H 。统计推论。卷 916.约翰·威利父子，2011年。

看起来，当存在这样的辅助统计信息时，实际上，基于似然性的推断是有条件的。我是从尤迪·帕维坦（Yudi Pawitan）的“所有可能性”的197页中得到的：

$L(\theta)$$L(\theta)$$L(\theta|a)$

$\propto$