广义双线性模型中的推断
统计方法学
2020-10-13 v1
摘要
潜因子模型在现代应用中被广泛用于发现并调整隐藏变异。然而，大多数方法未充分考量潜因子中的不确定性，这可能导致校准不当的推断，例如过于自信的 p 值。在本文中，我们提出了一种在广义双线性模型中快速且准确的不确定性量化方法，该模型是广义线性模型的灵活扩展，纳入了潜因子以及行协变量、列协变量与交互项。特别地，我们引入了 delta 传播，一种利用 delta 方法在模型组件间传播不确定性的通用技术。此外，我们提供了一种快速收敛的广义双线性模型最大后验估计算法，该算法通过估计行与列离散度扩展了早期方法。在模拟研究中，我们发现所提方法对大多数感兴趣参数提供了近似正确的频率学覆盖。我们在 RNA-seq 基因表达分析以及癌症基因组学中的拷贝数比率估计上进行了演示。
引用
@article{arxiv.2010.04896,
title = {Inference in generalized bilinear models},
author = {Jeffrey W. Miller and Scott L. Carter},
journal= {arXiv preprint arXiv:2010.04896},
year = {2020}
}