我将其发布到mathoverflow上,没有人回答:
Scheffé的用于识别统计上显着差异的方法是众所周知的。甲对比度的装置中,我= 1 ,... ,- [R的ř种群是线性组合Σ ř 我= 1 c ^ 我μ 我其中Σ ř 我= 1 c ^ 我 = 0,并且对比度的标量倍数本质上是相同的对比度,因此可以说这组对比度是一个投影空间。Scheffé的方法测试了一个零假设,该假设表示这r个总体之间的所有对比均为0,并且在给定显着性水平α的情况下,假设零假设为真,则以概率α拒绝该零假设。而且,如果否定原假设被拒绝,Scheffé指出,他的测试告诉我们哪些对比与0明显不同(我不确定我链接到的Wikipedia文章指出了这一点)。
我想知道在不同情况下是否可以做类似的事情。考虑一个简单的线性回归模型,其中ε 我〜我。我。d 。,我= 1 ,... ,Ñ。
我要考虑的零假设涉及另一种对比。它说,没有子集使得È (Ý 我)= α 1 + β X 我为我∈ 甲和È (ÿ 我)= α 2 + β X 我为我∉ 甲,其中α 1 ≠ α 2。如果预先指定了子集,则可以进行普通的两样本t检验,但是我们需要一种考虑所有子集并抑制拒绝真实零假设的可能性的东西。
如果不考虑效率,则可以弄清楚这一点:找到一种测试涵盖所有可能性。即使那样,还是有问题的;两种对比不会是独立的。我问了一个异常检测专家,他只是说这是一个组合梦night。然后我问是否可以证明没有有效的方法,也许可以通过减少NP难题来解决。他只是说他远离NP难题。
因此:可以证明这个问题是“困难的”还是不是?
(+1)复制澄清从评论MO版本:只是一个小点澄清:我读它,的零假设下符合条件,但(1 ,2 ,2 )和(
—
2013年
不(不管 β)。那是你想要的吗?(这似乎与问题中提出的其他一些暗示不符。)
如上所述,原假设是我们只需要一个,替代假设是我们需要两个α。我不知道你为什么有第三个。人们还可以考虑只有一个α的零假设与几个假设的替代假设,也许那是我应该做的。
—
迈克尔·哈迪
谢谢。也许我被模型中作为的原始语句揭去,其中我把α是一个潜在的错字α 我(因为它随后允许改变)。
—
红衣主教
好吧,当然,如果那个取决于我那将是一个参数化过高的模型,根本不像通常所说的“简单线性回归模型”那样。
—
Michael Hardy 2013年