Knockoff的功效：排序算法、增广设计与对称统计的影响

knockoff滤波器是近年提出的一种用于高维线性模型的错误发现率（FDR）控制方法。我们指出knockoff具有三个关键组件：排序算法、增广设计与对称统计，且每个组件均有多种选择。通过考虑三组件的各种组合，我们得到knockoff的一组变体。所有这些变体均保证有限样本FDR控制，而我们的目标是对比它们的功效。我们假设回归系数上的稀有且弱信号模型，并通过推导错误正率与错误负率的显式公式来比较不同knockoff变体的功效。我们的结果为如何在目标水平上控制FDR时提升功效提供了新见解。我们还将knockoff的功效与其原型——一种使用相同排序算法但可获理想阈值的方法——进行比较。该比较揭示了通过寻找数据驱动阈值以控制FDR所付出的额外代价。