一种无模型的关联性检验方法

结局与特征之间关联的问题通常在关于函数和分布形式模型的语境下提出。我们的动机应用是识别血管生成、能量代谢、凋亡和炎症的血清生物标志物，以预测肿瘤分期为T2a或更低的淋巴结阴性非小细胞肺癌患者在肺切除术后复发。我们提出了一种检验关联的通用的（omnibus）方法，该方法不依赖于函数形式和分布的假设，并可用作黑箱方法。所提出的极大置换检验基于阈值化的思想，易于实现且计算高效。我们说明所提出的通用检验在作为黑箱检验检测线性、非线性和基于分位的关联时保持其水平并具有强功效，即使在易含离群值和重尾误差分布下以及非参数设定下也是如此。我们进一步说明了该方法在无模型特征筛选中的使用，并检验了这些检验在二值结局下的水平和功效。我们在动机应用中将所提出的通用检验与比较方法进行比较，以识别与早期患者非小细胞肺癌复发相关的术前血清生物标志物。