离散 p 值的最优调整与组合

来自多个独立检验的 p 值组合是统计推断中的基础任务，但在 p 值离散时呈现独特挑战。我们扩展了最近基于最优传输框架的离散 p 值组合方法，该方法通过最小化转换后的离散零假设与其连续类比之间的 Wasserstein 距离，构建连续代理分布。我们提供了涵盖 Fisher 统计量、Pearson 统计量、George 统计量、Stouffer 统计量和 Edgington 统计量等几种经典组合方法的统一方法。我们的理论分析和大量模拟结果表明，在调整后的离散统计量的方差与连续情况相符时，可实现准确的第一类错误控制。我们进一步演示，当似然比检验是组合统计量的单调函数时，所提方法的近似方法在功效上可与均匀最强（UMP）检验相当。该方法以使用病例-对照数据进行罕见变异的遗传关联研究为例进行说明，并实现于 R 包 DPComb 中。