距离辅助递归检验
统计方法学
2021-09-28 v2
摘要
在许多应用中，会收集大量特征以识别少数重要特征。有时，这些特征位于具有已知距离矩阵的度量空间中，该矩阵部分反映了它们的共重要模式。对距离矩阵的正确使用将提升识别重要特征的效能。因此，我们开发了一种名为距离辅助递归检验（DART）的新多重检验框架。DART 有两个阶段。阶段 1 中，我们将距离矩阵转化为聚合树，其中每个节点代表一组特征。阶段 2 中，基于聚合树，我们建立动态节点假设并对树执行多重检验。所有拒绝结果被映射回特征。在温和假设下，DART 的误发现比例以趋于 1 的高概率收敛至期望水平。我们通过理论与模拟说明，相较于现有方法，DART 在各种模型下具有更优表现。我们将 DART 应用于异基因干细胞移植研究中的一项临床试验，以识别其丰度受移植后护理影响的肠道微生物群。
引用
@article{arxiv.2103.11085,
title = {Distance Assisted Recursive Testing},
author = {Xuechan Li and Anthony Sung and Jichun Xie},
journal= {arXiv preprint arXiv:2103.11085},
year = {2021}
}