指数族分布的经验零假设与错误发现率推断
应用统计
2009-01-27 v1
摘要
在大规模多重检验中，使用经验零分布而非理论零分布对于正确推断至关重要。本文提出了一种“众数匹配”方法，用于在理论零假设属于任何指数族时拟合经验零分布。基于z分数的中心匹配方法，众数匹配通过在众数周围区域对检验统计量的直方图进行泊松回归，拟合适当的指数族来估计零密度。然后使用经验零估计来估计局部和尾部错误发现率（FDR）以进行推断。提供了Delta方法协方差公式和近似渐近偏差公式，以及关于程序调整参数对偏差-方差权衡影响的模拟研究。发现标准的FDR估计在远尾部存在向下偏差。协方差估计中考虑了检验统计量之间的相关性，为指数族提供了Efron“翼函数”的推广。展示了使用χ²统计量的应用，包括来自弗雷明汉心脏研究的基于家系的全基因组关联研究和一项关于儿童阅读障碍的解剖脑成像研究。
引用
@article{arxiv.0901.4007,
title = {Empirical null and false discovery rate inference for exponential families},
author = {Armin Schwartzman},
journal= {arXiv preprint arXiv:0901.4007},
year = {2009}
}
备注
Published in at http://dx.doi.org/10.1214/08-AOAS184 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)