StarTrek：具有错误发现率控制的组合变量选择
统计方法学
2023-09-18 v2 统计理论
统计理论
摘要
大规模网络上的变量选择已在文献中被广泛研究。尽管现有多数方法局限于局部泛函尤其是图边，本文聚焦于选择网络的离散枢纽结构。具体而言，我们提出一种称为 StarTrek 滤波器（StarTrek filter）的推断方法，用于在高维图模型中选取度大于某阈值水平的枢纽节点并控制错误发现率（FDR）。发现网络中的枢纽节点具有挑战性：由于组合结构，没有直接的统计量用于检验节点度；多重检验问题中的复杂依赖性难以刻画与控制。在方法上，StarTrek 滤波器通过基于最大检验统计量借助高斯乘子自助法构造 p 值来克服此困难。在理论上，我们证明 StarTrek 滤波器可通过给出分位数估计近似误差的准确界并处理最大统计量间的依赖结构来控制 FDR。为此，我们建立了高维高斯随机向量新颖的 Cramér 型比较界。与 \citet{chernozhukov2014anti} 通过 Kolmogorov 距离建立的高斯比较界相比，我们的 Cramér 型比较界确立了两个高维高斯随机向量分布函数间的相对差异。我们在一系列数值实验中说明了 StarTrek 滤波器的有效性，并将其应用于基因型-组织表达数据集以发现中枢调节基因。
引用
@article{arxiv.2108.09904,
title = {StarTrek: Combinatorial Variable Selection with False Discovery Rate Control},
author = {Lu Zhang and Junwei Lu},
journal= {arXiv preprint arXiv:2108.09904},
year = {2023}
}