论文部分内容阅读
假设原始文献只能获得p值，其他数据无法获得，在这样特殊的情况下，单纯的p值也是可以合并的。统计文献中有很多关于p值合并问题的探讨。然而在相依情形下，p值合并统计量的概率分布通常很难估计。本文中先介绍了独立情形下的p值合并方法，并通过模拟比较了这些方法的功效。我们主要研究Fisher统计量(Ψ)F=-2∑1≤i≤kln(pi)和极小值统计量T=min1≤i≤kPi在相依情形下其概率分布的近似计算方法。若p值相互独立，Fisher统计量在原假设下服从卡方分布;若p值之间不独立，Brown提出了矩方法。
考虑到p值计算主要关注尾概率部分，我们提出了用尾概率方法来估计相应的近似分布的参数，并比较分析了实际的例子。极小p值统计量常用来同时检验若干个统计假设，其显著性在各个检验不独立的情形下计算复杂度过高。在检验统计量服从联合多元正态分布，且统计量之间非负相关的假设下，我们使用各个检验统计量的平均相关系数作为多个变量相关性的度量，给出了极小p值统计量的概率分布的一个近似计算方法。模拟结果表明该方法计算简便，具有较高的逼近精度。