Cross-screening in observational studies that test many hypotheses
我们讨论的观察性研究,测试许多因果假设,无论是关于许多结果或许多治疗的假设。一项检验许多因果假设的观察性研究要想可信,就必须证明其结论既不是多重检验的伪影,也不是非随机治疗分配的小偏倚。在某种需要仔细定义的意义上,隐藏在非随机分配的敏感性分析中的是对多重检验的巨大修正:在没有偏倚的情况下,单独的多重检验极不可能产生对中度偏倚不敏感的关联。我们提出了一种新的策略,称为“交叉筛选”,不同的,但最近的工作的Bogomolov和海勒的可复制性的动机。交叉筛选将数据随机分成两半,使用前半部分计划在后半部分进行的研究,然后使用后半部分计划在前半部分进行的研究,并报告两项研究中更有利的结论,使用Bonferroni不等式进行校正。如果这两项研究碰巧一致,那么它们就实现了博戈莫洛夫-海勒可复制性;然而,重要的是,可复制性并不是强有力地控制家族错误率所必需的,任何一项研究都足以得出坚定的结论。在假设较少的随机化研究中,与传统的多重性控制方法相比,交叉分裂筛选不是一种有吸引力的方法,但当在观察性研究中对数百或数千个假设进行敏感性分析时,交叉分裂筛选可能会变得有吸引力。我们通过比较食用大量鱼类与很少或没有鱼类的个体中的46种生物标志物来说明该技术。
2017-03-06 stat.AP stat.ME
Familial inference: tests for hypotheses on a family of centres
本文提出检验由 Huber 损失函数诱导的合理中心族(族假设),并设计贝叶斯非参数过程与逐路径优化例程进行检验,以弥合科学理论与统计实践的差距。
2024-02-20 stat.ME
FDR Controlled Multiple Testing for Union Null Hypotheses: A Knockoff-based Approach
错误发现率(FDR)控制过程为基于多假设检验的信号识别的可重复性提供了重要的统计保证。在许多研究领域,FDR控制程序用于高维(HD)分析,以发现与结果真正相关的特征。在最近的一些应用中,在多个不同的研究中独立地收集关于同一组候选特征的数据。例如,在不同的设施和不同的队列中收集基因表达数据,以鉴定多种类型癌症的遗传生物标志物。这些研究为我们提供了通过联合考虑来自不同来源(具有潜在异质性)的信息来识别信号的机会。本文研究如何为条件独立性的并零假设检验提供FDR控制保证。我们提出了一种基于敲除的变量选择方法(\textit{Simultaneous knockoffs}),以确定相互信号从多个独立的数据集,有限的样本设置下提供精确的FDR控制保证。此方法可用于非常一般的模型设置和检验统计量。我们证明了这种方法的性能与广泛的数值研究和两个实际数据的例子。
2022-10-03 stat.ME
Multiple Testing of One-Sided Hypotheses with Conservative $p$-values
Seoul National University(首尔大学);National University of Singapore(新加坡国立大学);Chonnam National University(全南国立大学)
本文研究大规模单边检验问题,针对正态分布测试统计量,提出通过经验贝叶斯框架修正保守p值,提升检验效能。
2026-05-14 stat.ME
P-value: A Bless or A Curse for Evidence-Based Studies?
按照惯例,p值通常在频率论假设检验中计算,并与标称显著性水平0.05进行比较,以确定是否拒绝原假设。p值越小,统计检验越显著。我们在复合假设的背景下考虑单侧和双侧假设。对于单侧假设检验,我们建立了p值和原假设的贝叶斯后验概率的等效性,这使得p值明确解释了数据支持原假设的强度。对于点空值的双侧假设检验问题,我们将问题转化为两个方向相反的单侧假设的组合,并提出了双侧后验概率的概念,它与(双侧)p值也具有等价关系。进行了广泛的模拟研究,以证明贝叶斯后验概率解释的p值。与在循证研究中使用p值的常见批评相反,我们从贝叶斯的角度证明了其效用并恢复了其重要性,并建议在假设检验中继续使用p值。毕竟,p值并不是那么糟糕。
2018-09-22 stat.ME
Randomization Inference in Two-Sided Market Experiments
本文提出了一种用于双侧市场实验的随机化推断框架,重点在于测试和推断双侧溢出效应。方法在有限样本下有效,并改进了学生化方法以确保渐近有效性,通过模拟和实际案例验证了方法的效力。
2026-03-27 econ.EM stat.ME
Nonparametric methods controlling the median of the false discovery proportion
Econometric Institute, Erasmus University Rotterdam(伊拉斯姆斯大学鹿特丹计量经济研究所)
本文提出了一种非参数多重检验方法,用于控制虚假发现比例的中位数,适用于多种参数假设检验场景。
2026-02-27 stat.ME
Beyond the Sharp Null: Randomization Inference, Bounded Null Hypotheses, and Confidence Intervals for Maximum Effects
费雪随机化推论经常被认为是在检验一个无趣且不可信的假设:没有任何影响的尖锐零。我们认为这种观点过于狭隘。许多随机化检验在更一般的“有界”原假设下也是有效的,在该假设下,所有效应都是弱负(或正)的,从而适应异质效应。通过反转这些检验,我们可以为最大(或最小)效应形成单侧置信区间。这些性质适用于所有效应递增检验统计量,包括常见统计量(如均值差)和不常见统计量(如Stephenson秩统计量)。后者对极端效应的敏感性允许检测积极效应,即使平均效应是负面的。我们认为,有界空值往往是实质性的或理论上的利益,并说明了两个应用程序:测试单调性的IV分析和推断的影响大小在一个小的随机实验。
2017-09-21 stat.ME
An adaptive procedure for detecting replicated signals with $k$-family-wise error rate control
本文提出AdaFilter-AdaBon方法,通过在AdaFilter-Bon程序中引入过滤后零假设比例估计来降低保守性,在保持渐近k-FWER控制的同时提高检测重复信号的统计功效。
2025-08-21 stat.ME
Multiple testing of interval composite null hypotheses using randomized p-values
本文提出一种两阶段随机化RAND2 p值,结合一致最优势UMP p值,用于多重双单侧等价性检验,通过自适应Bonferroni程序控制族错误率,并验证其性能。
2024-01-03 stat.ME
Partial Conjunction Analysis in Neuroimaging: A Comparative Study
Institute for Statistics, University of Bremen(不来梅大学统计研究所);Department of Statistical Sciences, University of Bologna(博洛尼亚大学统计科学系)
本文从神经影像学角度探讨部分联合理论假设检验问题,比较了adaFilter、CoFilter和BHY三种方法在不同γ值下的表现,评估了脑区激活模式的一致性。
2026-03-17 stat.AP stat.ME
Optimal and Maximin Procedures for Multiple Testing Problems
多重检验问题是现代统计分析的主要问题。多重检验程序的基本目标是拒绝尽可能多的虚假零假设(即,最大化某些功效概念),并控制错误发现的总体度量,如族错误率(FWER)或错误发现率(FDR)。在本文中,我们制定多重检验的简单假设作为一个无限维的优化问题,寻求最强大的拒绝政策,保证强有力的控制所选择的措施。从这个意义上说,我们的方法是对单个假设的最优Neyman-Pearson检验的推广。我们表明,可交换的假设,FWER和FDR和相关概念的权力,这些问题可以制定为无限的线性规划,并可以在原则上解决任何数量的假设。我们还描述了复杂的替代品的最大最小规则,并表明,这样的规则可以在实践中找到,从而改善现有的替代品相比,实际的程序。我们得到明确的最佳测试FWER或FDR控制三个独立的正常手段。我们发现,在所有的设置检查的自然竞争对手的权力增益是实质性的。最后,我们将我们的最优最大极小规则应用于Cochrane图书馆系统评价中的亚组分析,从而增加了发现的数量,同时保证了对单侧替代方案的强大FWER控制。
2020-11-25 stat.ME
Properties of a confirmatory two-stage adaptive procedure for assessing average bioequivalence
我们研究了一个验证性的两阶段自适应程序来评估平均生物等效性,并提供了一些见解,其理论特性。有效地,我们执行两个单侧检验(TOST),以达到关于宣布平均生物等效性所涉及的两个传统零假设中的每一个的总体决策。基于相应的逐阶段p值对,对每个假设单独进行组合检验。该程序的特征包括内置无效性、样本量重新评估以及在控制系列错误率的同时评估多个终点的平均生物等效性的能力。为了便于在试验结束时进行推断,我们还推导出与每个单侧假设所达到的决策相匹配的总体置信限,并提供确保其适当性的理论。在计划研究的背景下通过模拟评估性能,以比较特应性皮炎生物治疗的两种不同给药。
2022-03-17 stat.ME
The Benjamini--Hochberg Procedure Can Fail to Control the FDR for Correlated Two-Sided Gaussian Tests
Department of Statistics and Data Science, University of Pennsylvania(统计与数据科学系,宾夕法尼亚大学)
研究表明本杰明尼-霍奇伯格程序在相关双边高斯检验中可能无法控制FDR,构建因子模型证明在α = 0.01时FDR > 0.0104,反驳了一个二十年的猜想,蒙特卡罗实验与理论相符,证明由GPT - 5.6 Pro获得并经作者检查。
2026-07-15 cs.AI math.ST stat.ME
A Comparison of the Bayesian Posterior Probability and the Frequentist $p$-Value in Testing Equivalence Hypotheses
本文提出在TOST中使用原假设为真的贝叶斯后验概率进行等价检验,并与频率派$p$值在功效、保守性、相关性及多重检验表现上系统比较。
2025-07-25 stat.ME
Frequentist and Bayesian measures of confidence via multiscale bootstrap for testing three regions
针对期望参数未知的多元正态模型,讨论了基于Bootstrap概率的频率论$p$值和贝叶斯后验概率的计算方法.原假设表示为任意形状的区域。我们引入了新的参数模型的比例律的自助概率,使多尺度自助方法,这是专为单侧检验,也可以计算置信度的双侧检验,扩大适用范围更广泛的一类假设。参数估计的两步多尺度自举,也包括高阶项。模型选择不仅是我们方法的激励应用,而且是方法中的基本成分。频率论和贝叶斯之间的妥协是试图通过显示贝叶斯后验概率与noninformative先验解释为一个频率论$p$ -值的“零侧”测试。
2008-07-01 math.ST stat.ME stat.TH
A new class of robust two-sample Wald-type tests
与两个独立样本相关的参数假设检验经常出现在生物学、医学、流行病学、可靠性等许多应用中。在本文中,我们提出了强大的Wald型测试这样的两个样本问题,使用最小密度功率发散估计的基本参数。特别是,我们认为简单的两个样本的假设,以及一般的两个样本(复合)假设,涉及滋扰参数的样本的全参数同质性。提出的Wald型检验的渐近和理论的鲁棒性已经开发的简单和一般的复合假设。一些特殊的情况下,测试对片面的替代品进行了讨论,特别注意测试的有效性,在临床试验中的治疗。所提出的测试的性能也通过适当的实际数据的例子数值说明。
2017-02-15 stat.AP stat.ME
Control of Directional Errors in Fixed Sequence Multiple Testing
在本文中,我们考虑的问题,同时测试许多双边假设时,拒绝的原假设是伴随着索赔的方向的替代。基本目标是构造控制混合方向族差错率的方法,该误差率是产生任何类型1或类型3(方向)误差的概率。特别地,注意力集中在假设被排序为$H_1 , \ldots, H_n$的情况下,使得仅当$H_1 , \ldots, H_i$先前已经全部被拒绝时才测试$H_{i+1}$。在这种情况下,可以控制通常的familywise差错率任意依赖的基本程序,测试每个假设在水平$α$,没有其他的多重调整是必要的。然而,我们表明,这是过于自由,如果一个也占方向性错误。但是,通过对检验统计量施加某些依赖性假设,可以保留基本程序。通过模拟研究和临床试验的例子,我们数值说明了良好的性能相比,现有的mdFWER控制程序所提出的程序。建议的程序也在R包FixSeqMTP中实现。
2017-03-18 math.ST stat.ME stat.TH
Optimising the Trade-Off Between Type I and Type II Errors: A Review and Extensions
本文针对临床研究中传统错误率设定脱离实际背景的问题,综述了基于成本权衡优化I、II类错误率的方案,并将其扩展至复合假设场景,建立了与临床研究成功率的关联。
2024-09-18 stat.ME