一种分组、选择性加权的错误发现率过程
统计方法学
2019-08-16 v1
摘要
结构化假设检验中的错误发现率（FDR）控制是同时推断中的一个重要课题。大多数旨在利用假设间分组结构的现有方法要么采用分组混合模型，要么对所有 p 值或假设进行加权。因此，当分组混合模型不合适或大多数组仅包含真实零假设时，它们的功效可以得到改善。受此启发，我们提出了一种分组、选择性加权的 FDR 过程，称之为“sGBH”。具体而言，在不采用分组混合模型的情况下，sGBH 识别感兴趣的假设组，仅对每组中的 p 值进行加权，并仅使用加权 p 值检验所选假设。sGBH 包含一种标准的分组加权 FDR 过程，我们称之为“GBH”。我们提供了确保 sGBH 保守性的简单条件，以及其在功效上较 GBH 大幅改善的经验证据。该新过程应用于一项基因表达研究。
引用
@article{arxiv.1908.05319,
title = {A grouped, selectively weighted false discovery rate procedure},
author = {Xiongzhi Chen and Sanat K. Sarkar},
journal= {arXiv preprint arXiv:1908.05319},
year = {2019}
}
备注
43 pages; 16 figures