基于贝叶斯非参数方法的相关性下多重检验程序的敏感性分析
统计方法学
2025-09-19 v5
摘要
本文介绍了一种使用边际p值的多重检验程序（MTP）敏感性分析方法。该方法基于狄利克雷过程（DP）先验分布，该分布被设定为支持整个MTP空间，其中每个MTP在p值任意相关的情况下控制族系错误率（FWER）或错误发现率（FDR）。这种DP MTP敏感性分析方法通过考虑选择此类MTP及其各自阈值决策（关于从一组被检验的原假设中哪些最小p值是显著发现）的不确定性，为MTP提供了不确定性量化，同时在该所有MTP空间的DP先验预测分布上测量每个p值的显著性概率，并减少了仅使用一个此类MTP进行多重检验可能带来的保守性。通过分析来自2022年数据集的超过两万八千个p值，说明了DP MTP敏感性分析方法，该数据集包含239个变量，是对三百万美国高中生的代表性样本进行观察得到的。这些检验分别涉及COVID-19疫情期间学校关闭造成的干扰、各种数学认知、学业成就和学生背景变量。本文的代码和数据补充材料中提供了DP MTP敏感性分析方法的R软件代码（可根据要求提供）。
引用
@article{arxiv.2410.08080,
title = {Bayesian Nonparametric Sensitivity Analysis of Multiple Test Procedures Under Dependence},
author = {George Karabatsos},
journal= {arXiv preprint arXiv:2410.08080},
year = {2025}
}