多数の仮説を段階的に調べる多重検定

Stepwise Multiple Testing as Formalized Data Snooping

Joseph P. Romano、Michael Wolf（2005）『Econometrica』

ひとことで言うと

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。

図で読む：この研究は何を比べたか

検定の絞り込み方向のみ・数値なし

多数の候補から、本当に残る差をどう選ぶか

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.

利益への距離

観測された差

確認された

統計手順の性質を確認.

取引費用

未確認

売買利益の検証には該当しない.

再現性

未確認

手法の独立検証は台帳で未評価.

日本市場

未確認

日本での適用評価は台帳に未収録.

研究で観測された差は、そのまま得られる利益ではありません。4つの関門はそれぞれ独立に読んでください。

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。

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。

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。

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。

段階的多重検定。

効果量未掲載（not_reported）

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。

効果量は原典の掲載値です。当サイトが再計算したものではなく、将来のリターンを示すものでもありません。

原典の設計上、この結果をそのまま一般化できない条件です。