任意相依结构下合并 p 值的有效性与效度之间的权衡

将多个个体 p 值合并为一个 p 值的各种方法在统计应用的许多领域中被广泛使用。我们称一种合并方法对任意相依结构有效（VAD），如果它不要求对 p 值的相依结构做任何假设；而如果它要求某种特定的、或许现实但无法验证的相依结构，则称其对某种相依结构有效（VSD）。通过分析不同相依假设下临界值的选择，研究了这些方法的有效性与效度之间的权衡。我们引入了独立-同单调平衡（IC-balance）和效度代价的概念。特别地，IC 平衡的方法总是对独立的和完全正相依的 p 值产生相同的临界值，这是一种对一族相依假设不敏感的特殊类型。我们证明，在实践中常用的两大类非常一般的合并方法中，Cauchy 组合方法和 Simes 方法是仅有的 IC 平衡方法。进行了模拟研究和真实数据分析，以分析各种合并方法在弱相依和强相依情形下的检验水准和功效。