{
  "schema_version": 1,
  "slug": "romano-wolf-2005-stepwise-testing",
  "title": "Stepwise Multiple Testing as Formalized Data Snooping",
  "title_ja": "多数の仮説を段階的に調べる多重検定",
  "authors": [
    "Joseph P. Romano",
    "Michael Wolf"
  ],
  "published_year": 2005,
  "venue": "Econometrica",
  "identifiers": {
    "doi": "10.1111/j.1468-0262.2005.00615.x",
    "arxiv": null,
    "jstage": null,
    "ssrn": null
  },
  "versions": [
    {
      "kind": "publisher",
      "url": "https://doi.org/10.1111/j.1468-0262.2005.00615.x",
      "label": "出版社・公式論文ページ"
    }
  ],
  "source": {
    "provider": "publisher",
    "metadata_license": "other",
    "text_reuse": "none",
    "accessed_at": "2026-08-11"
  },
  "categories": [
    "statistical_method"
  ],
  "methods": [
    "simulation"
  ],
  "sample": {
    "markets": [
      "GLOBAL"
    ],
    "period": {
      "start": "1980",
      "end": "2004"
    },
    "universe": "複数仮説検定の理論・シミュレーション",
    "frequency": "simulation"
  },
  "findings": [
    {
      "label": "段階的多重検定",
      "effect": "段階的多重検定",
      "value": null,
      "unit": null,
      "basis": "not_reported",
      "note_ja": "一次資料で主要結論は確認したが、定義を統一できる効果量は本レコードでは採録していない。"
    }
  ],
  "replication": {
    "status": "not_assessed",
    "evidence": [],
    "note_ja": "独立した標本外再現を本レコードでは評価していない。"
  },
  "caveats": [
    "data_snooping_risk"
  ],
  "japan_applicability": {
    "status": "not_assessed",
    "note": "日本市場を直接検証していないため、日本株への適用可能性は未評価。"
  },
  "summary_ja": {
    "body": "再標本化に基づく段階的手順で、多数仮説の誤棄却を制御しつつ検出力を高めた。",
    "derivation": "original_summary",
    "reviewed_by": "operator",
    "reviewed_at": "2026-08-11"
  },
  "explainer_ja": {
    "one_liner": "多くの仮説を同時に試すと増える誤検出を抑えながら、真の差を見つける力を高める段階的な再標本化手順を示した研究です。",
    "question": "多数の売買規則や予測変数を一度に調べると、差がないものまで偶然有意になります。誤って一つでも棄却する確率を制御しつつ、単純な一括補正より多くの真の効果を検出できるかを問います。",
    "method": "仮説を一度に判定せず、有力なものから順に検定集合を更新するstepdown手順を構成します。観測データを再標本化して検定統計量の同時分布を近似し、理論的な誤棄却率制御とシミュレーション上の検出力を評価します。",
    "result": "提案手順は、多数仮説のうち一つ以上を誤って棄却する確率を所定水準に抑えながら、従来の単段階補正より高い検出力を持ち得ることを示します。データスヌーピングを正式な多重検定問題として扱います。",
    "interpretation": "補正を通過した仮説が経済的に重要、因果的、将来も安定という意味ではありません。制御するのは指定した仮説集合と統計手順の誤検出率です。後から検定集合を変えれば保証も変わるため、探索過程全体の記録が必要です。",
    "glossary": [
      {
        "term": "多重検定",
        "note": "多数の仮説を試すことで偶然の有意結果が増える問題を扱う検定です。"
      },
      {
        "term": "stepdown手順",
        "note": "強い証拠の仮説から順に除き、残りの基準を更新する方法です。"
      },
      {
        "term": "再標本化",
        "note": "観測データから反復標本を作り統計量の分布を近似する方法です。"
      }
    ]
  },
  "source_verification": {
    "level": "abstract",
    "checked_url": "https://doi.org/10.1111/j.1468-0262.2005.00615.x",
    "checked_date": "2026-08-11"
  },
  "updated_at": "2026-08-11",
  "aliases": [],
  "diagram_ja": {
    "type": "test_funnel",
    "evidence_mode": "direction_only",
    "headline": "多数の候補から、本当に残る差をどう選ぶか",
    "caption": "多数仮説を段階的に再検定し、誤検出確率を抑えながら単段階補正より検出力を高める手順です.",
    "test_funnel": {
      "input": {
        "label": "同時に試す多数の仮説"
      },
      "stages": [
        {
          "label": "誤検出を補正",
          "result": "再標本化で基準を作る"
        },
        {
          "label": "段階的に再検定",
          "result": "棄却候補を更新"
        }
      ],
      "output": {
        "label": "補正後に残る仮説",
        "note": "偶然を超える候補"
      }
    },
    "profit_distance": {
      "observed": {
        "status": "supported",
        "note": "統計手順の性質を確認."
      },
      "costs": {
        "status": "not_tested",
        "note": "売買利益の検証には該当しない."
      },
      "replication": {
        "status": "not_tested",
        "note": "手法の独立検証は台帳で未評価."
      },
      "japan": {
        "status": "not_tested",
        "note": "日本での適用評価は台帳に未収録."
      }
    }
  },
  "lint_waivers": [],
  "disclaimer_ja": "一般的な研究紹介であり、売買推奨・投資助言ではありません。"
}