近日，基础科学中心成员王中雷副教授，与爱荷华州立大学Jae Kwang Kim教授、卡尔顿大学J.N.K. Rao教授合作的题为“Hypotheses Testing from Complex Survey Data Using Bootstrap Weights: A Unified Approach”的论文在统计学权威期刊Journal of the American Statistical Association上在线发表。论文标注基础科学中心的资助。

标准的统计方法通常无法融合调查数据复杂的抽样特征，从而导致错误的推断结果。特别地，使用标准方法进行假设检验所造成的第一类错误可能比名义显著性水平大得多。在本文中，我们提出了一种基于bootstrap的、不需要估计协方差矩阵或设计效应的假设检验方法；该方法简单易行，并不需要特定的统计软件。此外，我们还考虑了类别数据的假设检验问题，并提出了针对简单拟合优度和独立性的检验方法。数值模拟表明：与标准的检验方法相比，我们所提出的方法的第一类错误更接近其名义显著性水平。

王中雷，美国爱荷华州立大学统计学博士，厦门大学王亚南经济研究院、经济学院统计学与数据科学系副教授，研究领域为抽样调查、空间统计等。其论文发表在Journal of the Royal Statistical Society Series B - Statistical Methodology、Journal of the American Statistical Association、Biometrika、Nature Communications等学术期刊上。

论文链接：https://www.tandfonline.com/doi/full/10.1080/01621459.2023.2183130