近日，经济与管理学院刘丽君博士在著名期刊《管理科学学报》（CSSCI检索）发表题为“考虑偏差修正的Bootstrap假设检验及大规模关键质量因子筛选研究”的高水平学术论文，安徽工程大学为第一署名单位。
随着顾客需求的不断提高，产品已逐渐转为定制化、个性化生产模式，加之生产过程复杂化所导致的大规模因子，给现有的质量改进技术带来了巨大挑战。本文针对复杂化、定制化生产过程中因子数目大、样本量小的问题，提出了基于重抽样技术的关键因子筛选方法，为实现持续性质量改进奠定基础。首先，削弱了序贯分支因子筛选方法基于特定分布类型的模型假设，以适用小样本情形；其次，提出了不依赖于响应分布的序贯分支筛选步骤；然后，在利用自举法扩大样本量的基础上，提出了三种改进的学生t假设检验过程，用于每个分支过程中因子组效应的显著性检验；最后，通过蒙特卡洛仿真试验分别比较了所提的假设检验方法与经典的学生t检验的检验结果，并验证了所提方法在小样本、大规模关键因子筛选问题中的有效性及稳健性。
主要创新点：本文旨在解决小样本情形下的关键因子筛选问题，以SB方法为作为因子筛选实施框架，将Bootstrap方法与学生t检验相结合并考虑偏差修正以及统计量分布的不确定性，提出三种因子组效应的显著性检验方法，并将其融入SB实施过程，从而实现小样本情形下大规模关键质量因子筛选。要完成两个方面的工作：（1）分别从偏差修正以及统计量分布不确定两个角度考虑，改进经典Bootstrap的假设检验方法；（2）将上述针对两个总体显著性检验的Bootstrap假设检验方法融入SB因子筛选过程，提出适用于小样本情形的关键因子筛选实施框架。
RBT方法在不同样本量及重抽样样本量下的假设检验结果
论文原文链接：https://jmsc.tju.edu.cn/jmsc/article/abstract/20260405