打破孟德尔随机化中的赢家诅咒：重随机化逆方差加权估计量
统计方法学
2023-02-22 v1 统计理论
统计理论
摘要
全基因组关联研究的发展以及汇总遗传关联数据可用性的增加，使得基于汇总数据的两样本孟德尔随机化（MR）的应用日益流行。传统的两样本 MR 方法通常将同一样本既用于筛选相关遗传变异，又用于构建最终的因果估计。这种做法常因众所周知的“赢家诅咒”现象而导致有偏的因果效应估计。为应对这一根本性挑战，我们首先从理论和经验两方面考察其对因果效应估计的影响。随后，我们提出一个新框架，系统性地打破赢家诅咒，从而对所选遗传变异给出无偏的关联效应估计。基于该框架，我们引入一种新颖的重随机化逆方差加权（RIVW）估计量，当筛选与参数估计在同一样本上进行时，该估计量具有一致性。在适当条件下，我们证明所提出的因果效应 RIVW 估计量渐近收敛于正态分布，且其方差可被良好估计。我们通过蒙特卡洛实验和两个实证例子说明了该方法的有限样本表现。
引用
@article{arxiv.2302.10470,
title = {Breaking the Winner's Curse in Mendelian Randomization: Rerandomized Inverse Variance Weighted Estimator},
author = {Xinwei Ma and Jingshen Wang and Chong Wu},
journal= {arXiv preprint arXiv:2302.10470},
year = {2023}
}