去随机化截断 D-vine 联结 Knockoff 与 e 值用于错误发现率控制
统计方法学
2024-07-22 v1
摘要
Model-X Knockoff 是一种实用的变量选择方法，它与其他选择策略不同，因为它允许控制错误发现率（FDR），并依赖于有限样本保证。在本文中，我们提出了一种截断 D-vine 联结 Knockoff（TDCK）算法，用于从复杂的多元分布中采样近似 Knockoff。我们的算法在以下三个方面增强并改进了先前在多元设置下采样 Knockoff 的尝试：1) 截断 D-vine 联结，减少了原始变量与其 Knockoff 之间的依赖性，从而提高了统计功效；2) 采用简单的非参数变换形式，无需指定特定的参数族或核密度估计器；3) 使用“rvinecopulib”R 包，比现有的联结 Knockoff 方法具有更好的灵活性。为了消除不同实现中因随机性导致所选变量集不同的影响，我们将 TDCK 方法与现有的 Knockoff 去随机化程序相结合，提出了去随机化截断 D-vine 联结 Knockoff 与 e 值（DTDCKe）方法。我们通过广泛的模拟研究证明了 DTDCKe 程序在各种场景下的稳健性。我们还使用基因表达数据集展示了其有效性，结果表明，与元分析结果相比，我们的方法在基因选择上比其他竞争方法更可靠。结果表明，我们的截断 D-vine 联结方法具有稳健性和优越的功效，为各种多元应用中的变量选择提供了一种有吸引力的方法，尤其是在基因表达分析中。
引用
@article{arxiv.2407.14002,
title = {Derandomized Truncated D-vine Copula Knockoffs with e-values to control the false discovery rate},
author = {Alejandro Román Vásquez and José Ulises Márquez Urbina and Graciela González Farías and Gabriel Escarela},
journal= {arXiv preprint arXiv:2407.14002},
year = {2024}
}
备注
31 pages, 9 figures, 1 table