调和 model-X 与双重稳健条件独立性检验方法
统计方法学
2023-02-10 v2 统计理论
统计理论
摘要
Model-X 方法用于检验在给定协变量向量条件下预测变量与结果变量之间的条件独立性，通常假设已知预测变量给定协变量的条件分布。然而，model-X 方法常在该条件分布由样本中学习得到时被使用。我们通过精炼条件随机化检验（dCRT）的视角研究这一选择的后果。我们发现第一类错误控制仍有可能，但前提是结果变量给定协变量的均值被充分好地估计。这表明 dCRT 是双重稳健的，并引发其与另一种双重稳健条件独立性检验——广义协方差度量（GCM）检验——的比较。我们证明这两种检验渐近等价，并利用半参数有效性理论证明 GCM 检验在面对（广义）部分线性备择假设时是最优的。在广泛的模拟研究中，我们将 dCRT 与 GCM 检验进行比较。这两种检验的第一类错误和功效大体相似，尽管在小样本或响应为离散时 dCRT 的第一类错误控制略好但功效略差。我们还发现，基于 post-lasso 的检验统计量（相较于基于 lasso 的统计量）可显著改善两种方法的第一类错误控制。
引用
@article{arxiv.2211.14698,
title = {Reconciling model-X and doubly robust approaches to conditional independence testing},
author = {Ziang Niu and Abhinav Chakraborty and Oliver Dukes and Eugene Katsevich},
journal= {arXiv preprint arXiv:2211.14698},
year = {2023}
}