Variable selection in social-environmental data: Sparse regression and tree ensemble machine learning approaches
目的：从美国人口普查中获得的社会环境数据是了解健康差异的重要资源，但很少使用完整的数据集进行分析。整合完整数据的一个障碍是缺乏可靠的变量选择建议，研究人员经常手工选择一些变量。因此，我们评估了经验机器学习方法识别与健康结果具有真实关联的社会环境因素的能力。材料与方法：我们比较了几种流行的机器学习方法，包括惩罚回归（例如套索，弹性网）和树集成方法。通过模拟，我们评估了这些方法识别与二元和连续结果真正相关的人口普查变量的能力，同时最大限度地减少假阳性结果（10个真实关联，1,000个总变量）。我们将最有希望的方法应用于与前列腺癌登记数据（n= 76，186例）相关的完整普查数据（p= 14，663个变量），以确定与晚期前列腺癌相关的社会环境因素。结果：在模拟中，我们发现，弹性网确定了许多真阳性变量，而套索提供了良好的控制假阳性。使用组合测量的准确性，层次聚类的基础上斯皮尔曼的相关性与稀疏组套索回归进行了最好的整体。贝叶斯自适应回归树优于其他树集成方法，但不是稀疏组套索。在完整的数据集中，稀疏组套索成功地识别了一个变量子集，其中三个重复了早期的发现。讨论内容：这项分析证明了经验机器学习方法的潜力，以确定一小部分人口普查变量与结果有真正的关联，并在经验方法之间复制。
2020-08-31 stat.AP
Bayesian Multiple Index Models for Environmental Mixtures
提出贝叶斯多指标模型框架，结合响应面与暴露指标方法优点，统一环境混合物分析，在NHANES数据中实现良好拟合与高可解释性。
2021-01-13 stat.ME
Covariate-Dependent Functional Principal Component Analysis for SHM
Helmut Schmidt University（赫尔穆特·施密特大学）；KU Leuven（荷语鲁汶大学）
本文提出一种基于协变量的功能主成分分析方法，用于处理结构健康监测中环境因素对功能数据协方差结构的影响，提升监测鲁棒性。
2026-03-18 stat.AP stat.ME
Compositional Outcomes and Environmental Mixtures: the Dirichlet Bayesian Weighted Quantile Sum Regression
本研究提出Dirichlet-BWQS回归，用于联合建模组合结局与环境混合物，可同时估计混合物权重及总体暴露指数与各结局比例的关联，并通过模拟和真实数据验证，提供R包实现。
2025-03-28 stat.AP stat.ME
A grouped, selectively weighted false discovery rate procedure
结构化假设检验中的错误发现率控制是同时推理中的一个重要课题。大多数现有的方法，旨在利用组结构之间的假设，要么采用groupwise混合模型或加权所有p值或假设。因此，当分组混合模型不合适或大多数组仅包含真零假设时，可以提高它们的功效。出于这一动机，我们提出了一个分组的，选择性加权的FDR程序，我们称之为“sGBH”。具体而言，在不采用分组混合模型的情况下，sGBH识别感兴趣的假设组，仅对每个这样的组中的p值进行加权，并且仅使用加权的p值来测试所选择的假设。sGBH包含标准分组加权FDR程序，我们将其称为“GBH”。我们提供了简单的条件，以确保sGBH的保守性，连同经验证据，其大大提高了GBH的权力。新的程序应用于基因表达研究。
2019-08-14 stat.ME
Estimating Perinatal Critical Windows of Susceptibility to Environmental Mixtures via Structured Bayesian Regression Tree Pairs
母亲在怀孕期间接触环境化学品可能会改变分娩和儿童的健康结果。研究旨在确定暴露可能改变未来健康结果的关键窗口和时间段，并估计风险-反应关系。现有的统计方法侧重于估计在高时间分辨率下观察到的母亲接触单一环境化学品（如整个怀孕期间每周一次）与儿童健康结果之间的关联。扩展到在高时间分辨率下观察到的多种化学品会带来维度问题，并且缺乏统计方法。我们提出了一个基于树的模型，在高时间分辨率下观察到的混合曝光。所提出的方法使用的结构化的树对，定义结构化的主效应和时间分辨的预测变量和变量选择之间的相互作用，选择出的模型预测不相关的结果的加法合奏。我们将我们的方法应用于模拟和分析在科罗拉多州丹佛市出生队列中，在整个妊娠期间每周测量的五次暴露与出生体重之间的关系。我们确定了细颗粒物，二氧化硫和温度与出生体重呈负相关的关键窗口以及细颗粒物和温度之间的相互作用。软件在R软件包dlmtree中提供。
2021-07-01 stat.ME
Learning false discovery rates by fitting sigmoidal threshold functions
错误发现率（FDR）通常从空分布和替代分布的混合来估计。在这里，我们研究了Rice和Spiegelhalter（2008）提出的一种补充方法，该方法使用零模型和局部错误发现率的参数族作为主要量。具体来说，我们考虑半正常衰减和β均匀混合模型作为FDR阈值函数。使用模拟和分析的真实数据，我们比较的水稻Spiegelhalter的方法与竞争FDR估计程序的性能。如果替代模型被错误指定，并且采用经验零分布，则FDR估计的准确性大大降低。因此，虽然是一个非常优雅的形式主义，FDR阈值方法需要在实际应用中特别小心。
2011-04-28 stat.ME
Local False Discovery Rate Based Methods for Multiple Testing of One-Way Classified Hypotheses
本文继续刘等发起的研究路线。（2016）开发了一种新的框架，用于使用特定于假设的局部错误发现率（LFDR）对以单向分类形式分组的假设进行多重检验。它是建立在标准的两类混合模型从单一到多组的扩展，定义假设特定的LFDR作为假设的条件LFDR的函数，因为它是在一个重要的组和LFDR组本身，并涉及一个新的参数，测量分组效应。这个定义比标准的两类混合模型更有效地捕捉了属于一个组的假设的潜在组结构。两个新的LFDR为基础的方法，具有有意义的最优性，产生在他们的预言形式。一个，旨在控制错误的发现在整个集合的假设，提出了一个强大的替代方案，简单地汇集所有的假设到一个单一的组，并使用常用的LFDR为基础的方法下的标准单组两类混合模型。另一个是Benjamini和Bogomolov（2014）的选择性推理方法的Lfdr模拟。它控制与选择组相关的基于Lfdr的错误发现测量，同时控制所选组内的组内错误发现比例的平均值。仿真研究和实际数据应用表明，我们提出的方法往往比他们的相关竞争对手更强大。
2022-11-20 stat.ME
Causal Sufficient Dimension Reduction for Multiple Continuous Exposures with an Application to Environmental Mixtures
Emory University（埃默里大学）
提出因果充分降维（CSDR）框架，通过低维暴露摘要表征因果暴露-反应曲面，并设计两阶段估计器，在环境混合物研究中验证其有效性。
2026-06-16 stat.ME
Testing Homogeneity in a heteroscedastic contaminated normal mixture
本文针对大规模假设检验中的z分数建模问题，提出一类新的污染正态混合模型及EM同质性检验方法，证明其统计量具有平移卡方混合极限分布，并通过模拟和真实数据验证了该方法在控制第I类错误的同时具有更高的检验功效。
2025-07-21 stat.ME
Covariate-localized False Discovery Rates
Duke University（杜克大学）
本文提出基于非参数高斯混合模型和权重局部化预测递归的协变量局部化错误发现率估计方法，实现更高效、更可控的多重检验。
2026-09-11 stat.ME
Borrowing Strength Across Exposures and Outcomes via Index Models for Multi-pollutant Mixtures
Department of Statistics and Actuarial Science, University of Waterloo（滑铁卢大学统计与精算科学系）；Department of Statistics, University of Florida（佛罗里达大学统计学系）
本文提出一种通过指数模型跨暴露和结果借用强度的方法，用于处理多污染物混合物的健康影响分析。
2025-12-24 stat.ME
Bayesian non-parametric non-negative matrix factorization for pattern identification in environmental mixtures
环境健康研究人员可能会致力于确定代表来源的暴露模式，产品使用，或行为，引起潜在有害的环境化学品暴露的混合物。我们提出了贝叶斯非参数非负矩阵分解（BN ^2 MF）作为一种新的方法来识别模式的化学品暴露时，模式的数量是未知的先验。我们将非负连续先验放置在模式负载和个体分数上以增强可解释性，并使用聪明的非参数稀疏先验来估计模式数。我们进一步推导出估计值周围的变分置信区间;这是一个关键的发展，因为它量化了模型对估计模式的置信度。这些独特的功能与现有的模式识别方法在这一领域中所采用的是有限的用户指定的模式数，缺乏解释性的模式在人类的理解，以及缺乏不确定性量化。
2021-09-24 stat.AP stat.ME stat.ML
Inferring Synergistic and Antagonistic Interactions in Mixtures of Exposures
针对环境流行病学中化学混合物暴露的协同与拮抗相互作用评估难题，提出贝叶斯SAID框架，将响应曲面分解为主效应与成对交互效应以检测相互作用，并通过模拟实验与NHANES数据验证其优越性。
2024-05-29 stat.AP
Comparison of methods for analyzing environmental mixtures effects on survival outcomes and application to a population-based cohort study
Columbia University（哥伦比亚大学）；Harvard University（哈佛大学）
本研究通过模拟和Strong Heart Study真实数据，比较了BART、Cox弹性网、GPR等方法在分析环境混合物对生存结局影响时的性能，发现灵活模型在非比例风险下更具优势，并建议实践中评估不同方法结果的一致性。
2023-11-02 stat.AP stat.ME
Scalable Gaussian Process Regression Via Median Posterior Inference for Estimating Multi-Pollutant Mixture Health Effects
Google Research（谷歌研究）；Department of Statistics University of California Davis（加州大学戴维斯分校统计系）；Department of Environmental Health Harvard University（哈佛大学环境健康系）；Department of Biostatistics Harvard University（哈佛大学生物统计学系）
本文提出基于中位数后验推断的分治策略，解决大规模数据下高斯过程回归的计算瓶颈，应用于估计环境污染物混合物对出生体重的影响。
2026-04-07 stat.ME
Multivariate incremental effects for continuous treatments: Studying the health effects of environmental mixtures
University of Florida（佛罗里达大学）
针对连续型多元暴露（如空气污染混合物）违背正性假设的问题，提出基于指数倾斜的因果推断框架，定义公平比较不同干预方向的因果估计量，并开发高效一步估计、黎曼BFGS算法等理论方法，应用于全国环境健康数据以优化PM2.5化学混合物干预策略。
2026-06-12 stat.AP stat.ME
False discovery rate control under reduced precision computation for analysis of neuroimaging data
在进行多重假设检验时，减少假阳性是一个重要的问题。在高维应用中，最流行的误报缓解范例是通过控制错误发现率（FDR）。来自神经成像实验的多重检验数据可能非常大，并且通常需要降低这种数据的精度存储。在分析遗留数据和由遗留管道产生的数据时，降低精度的计算通常是一个问题。我们提出了一种FDR控制方法，适用于只有p \text{-values}或检验统计量（具有常见和已知的空分布）可用的情况下，以及当这些p \text{-values}或检验统计量以降低精度格式编码时。我们的方法是基于概率贝叶斯范式的p \text{-values}（称为z \text{-scores}）的概率单位转换建模为正态分布的两个组件的混合。由于p \text{-values}或检验统计量的精度降低，拟合混合模型的常用方法可能不可行。相反，我们使用一个binned-data技术，它可以被证明是一致的估计z \text{-score}分布参数在温和的相关性假设下，通常是在神经影像数据的情况下。模拟研究表明，我们的方法是有竞争力的，与流行的替代品相比，特别是与数据中存在的错误指定。我们通过小鼠的脑成像研究证明了我们的方法在实践中的适用性。
2018-07-16 stat.ME
Everything all at once: On choosing an estimand for multi-component environmental exposures
本文提出一种非参数方法，通过机器学习量化暴露混合物变化与结局的关系，避免参数模型假设，用于研究农业杀虫剂暴露与高血压风险的关系。
2026-04-30 stat.AP stat.ME
Kernel Machine and Distributed Lag Models for Assessing Windows of Susceptibility to Environmental Mixtures in Children's Health Studies
怀孕期间暴露于环境化学品可能会改变以后的健康状况。大多数关于母亲在怀孕期间接触化学品的研究都集中在以高时间分辨率观察到的单一化学品接触上。最近的研究已经转向关注暴露于多种化学品的混合物，通常在单个时间点观察到。我们认为，在高的时间分辨率观察到的化学混合物的数据分析的统计方法。作为动机，我们分析了暴露于四个环境空气污染物之间的关联，每周观察整个妊娠期和出生体重在波士顿地区的前瞻性出生队列。为了探索数据中的模式，我们首先应用分析数据的方法（1）以高时间分辨率观察到的单一化学物质，以及（2）在单个时间点测量的混合物。我们强调了这些方法的缺点，暴露于化学混合物的时间分辨数据。其次，我们提出了一种新的方法，贝叶斯核机器回归分布滞后模型（BKMR-DLM），同时占非线性协会和随时间变化的措施之间的相互作用暴露于混合物。BKMR-DLM对每个暴露使用函数权重，该函数权重在内核机器框架内参数化与该暴露对应的易感性窗口，该内核机器框架捕获多变量暴露对结果的非线性和交互作用。在模拟研究中，我们表明，所提出的方法可以更好地估计的曝光响应函数，并在高信号设置，可以识别关键窗口的时间，在此期间，曝光与结果的关联性增加。将所提出的方法应用于波士顿出生队列数据，我们发现有机碳和出生体重之间存在负相关的证据，硝酸盐修饰了有机碳，…
2021-09-22 stat.AP stat.ME
Functional varying index coefficient model for dynamic gene-environment interactions
人类复杂的疾病根源于遗传学，在很大程度上受到环境因素的影响。现有的文献已经显示了综合基因-环境相互作用分析的力量，通过考虑环境混合物对疾病风险的联合作用。在这项工作中，我们提出了一个功能变指数系数模型的纵向测量的表型性状与多个环境变量，并评估如何对纵向疾病性状的遗传效应是非线性修改的混合环境影响。在二次推断函数和惩罚样条框架下，给出了非参数泛函变指标系数的估计方法。给出了估计的相合性和渐近正态性等理论结果。此外，我们提出了一个假设检验程序来评估的非参数指标系数函数的显着性。我们通过蒙特卡罗模拟研究来评估我们的估计和测试过程的性能。所提出的方法是通过应用到一个真实的数据集从疼痛敏感性研究，其中SNP的影响是非线性调制的剂量水平和其他环境变量的组合，影响患者的血压和心率。
2022-08-25 stat.ME
Control Charts for Percentiles of Truncated Beta Distributed Environmental Data Using Studentized Bootstrap Method
本研究针对截断Beta分布过程的百分位数监测问题，提出基于学生化参数bootstrap方法的控制图，经模拟和真实环境数据验证其性能优于传统Beta控制图，可应用于环境数据监测场景。
2025-07-31 stat.ME
Mixture Likelihood Ratio Scan Statistic for Disease Outbreak Detection
早期发现疾病爆发对于实施干预战略以减轻疾病爆发的严重性和持续时间至关重要。我们建立了一种方法，利用疾病爆发的特征来减少检测时间和假阳性率。我们通过泊松分布与添加剂的背景加爆发组件的每日计数模型。爆发组件具有参数形式，其中包含未知的基础参数。一个混合似然比扫描统计量的开发，以最大限度地在一个窗口的时间参数。这提供了具有早期检测时间和低误报率的警报统计。三个模拟数据集，以代表E。大肠杆菌、隐孢子虫和流感爆发。
2012-01-18 q-bio.QM stat.ME
Optimal False Discovery Rate Control for Large Scale Multiple Testing with Auxiliary Information
大规模多重检验是高维统计推断中的一个基本问题。越来越普遍的是，各种类型的辅助信息，反映假设之间的结构关系，可用。利用这些辅助信息可以提高统计功效。为此，我们提出了一个框架的基础上，两组混合模型与不同的概率为空不同的假设先验，其中形状约束的关系之间施加的辅助信息和先验概率为空。在控制平均错误发现率的情况下，设计了一个最优拒绝规则，以最大化真阳性的期望数量。针对有序结构，我们提出了一种稳健的期望最大化算法，用于同时估计在备择假设下的先验概率为零概率和$p$ -值的分布.我们表明，所提出的方法具有更好的权力比国家的最先进的竞争对手，同时控制错误发现率，经验和理论。大量的仿真实验证明了该方法的优越性。来自全基因组关联研究的数据集被用来说明新的方法。
2021-03-29 stat.ME
Causal Mediation Analysis for Zero-inflated Mixture Mediators
本文针对零膨胀混合中介变量提出基于有限混合分布的因果中介建模方法，推导两部分中介效应，并通过EM算法估计和模拟及神经科学应用验证其优于标准方法。
2025-07-21 stat.ME
A Tutorial on Conducting Mediation Analysis with Exposure Mixtures
本文介绍了暴露混合物中介分析的常用方法，包括SE-MA、主成分、环境风险评分和贝叶斯核机器回归法，通过模拟研究和PROTECT队列数据评估其性能并提供实施指导。
2025-09-13 stat.AP stat.ME
Bayesian kernel machine regression for heteroscedastic health outcome data
本文针对环境流行病学中BKMR模型误差项恒定方差假设不成立的问题，开发了异方差HBKMR方法，通过贝叶斯分层方差模型更新健康效应估计，并在两项真实金属暴露案例中显著提升了模型拟合度。
2025-05-29 stat.AP stat.ME
Modeling Cell Populations Measured By Flow Cytometry With Covariates Using Sparse Mixture of Regressions
海洋中充满了被称为浮游植物的微小藻类，它们共同负责的光合作用相当于陆地上所有植物的总和。我们预测它们对海洋变暖的反应的能力依赖于了解浮游植物种群的动态如何受到环境条件变化的影响。研究浮游植物动态的一种强大技术是流式细胞术，它每秒测量数千个细胞的光学特性。今天，海洋学家能够在移动的船上实时收集流式细胞术数据，为他们提供数千公里范围内浮游植物分布的精细分辨率。目前的挑战之一是了解这些小规模和大规模的变化与环境条件的关系，如营养物质的可用性，温度，光照和洋流。在本文中，我们提出了一种新的稀疏混合多元回归模型来估计随时间变化的浮游植物亚群，同时确定特定的环境协变量，预测观察到的变化，这些亚群。我们使用2017年春季在东北太平洋进行的海洋学巡航中收集的合成数据和真实观测结果来证明该方法的有用性和可解释性。
2022-08-03 stat.AP stat.ME stat.ML
Pooling Sequential Evidence Across Hypotheses: Rate-Optimal Multiple Testing at a Fixed Horizon
H. Milton Stewart School of Industrial；Systems Engineering, Georgia Institute of Technology, e1,e2
本文提出一种在固定时间范围内对未知数量错误假设进行序贯检验的方法，通过先验加权混合和闭合检验实现速率最优的多重检验，并有效控制族系错误率。
2026-09-24 math.ST stat.ME stat.TH
Empirical Null Estimation using Discrete Mixture Distributions and its Application to Protein Domain Data
在最近的突变研究中，基于蛋白质结构域位置的分析比以基因为中心的方法越来越受欢迎，因为后者在考虑突变位置提供的功能背景方面具有局限性。这提出了一个大规模的同时推理问题，同时需要考虑数百个假设检验。本文旨在通过错误发现率（FDR）程序选择显著的突变计数，同时控制给定水平的第一类错误。一个主要假设是存在截止值，使得从零分布生成比该值更小的计数。我们提出了几种依赖于数据的方法来确定截止值。我们还考虑了基于筛选过程的两阶段程序，以便超过一定值的突变数量应被视为显著突变。模拟和蛋白质结构域的数据集被用来说明这个过程中使用的混合物的离散分布的经验零估计。
2016-08-25 stat.ME
Collapsible Kernel Machine Regression for Exposomic Analyses
针对大规模暴露组学分析中贝叶斯核机器回归功效低且难解释的问题，提出一种允许单独选择加性与非加性效应的灵活框架，提升了统计功效并简化了模型解释。
2024-09-26 stat.ME
Dimension constraints improve hypothesis testing for large-scale, graph-associated, brain-image data
对于大规模的测试与图形相关的数据，我们提出了一个经验贝叶斯混合技术来评分本地错误发现率。与忽略图的经验贝叶斯程序相比，所提出的方法在非空情况形成连通子图的设置中获得了功率，并且通过正则化测试单元之间的参数对比来实现。仿真结果表明，GraphMM在各种设置中控制了错误发现率。在一项与阿尔茨海默病发作相关的大脑变化研究的磁共振成像数据上，GraphMM产生的产量远远高于传统的大规模测试程序。
2019-11-25 stat.ME
A Semiparametric Bayesian Extreme Value Model Using a Dirichlet Process Mixture of Gamma Densities
在本文中，我们提出了一个Dirichlet过程混合的伽玛密度在阈值以下的大部分和广义Pareto密度在尾部的极值估计模型。所提出的模型是简单和灵活的，允许我们的后验密度估计和后验推理的高分位数。该模型工作良好，即使小样本量和在没有先验信息。我们通过仿真研究评估所提出的模型的性能。最后，将该模型应用于一个实际的环境数据。
2013-04-02 stat.AP stat.ME stat.ML
Structural Change Detection in Dynamic Systems
Fudan University（复旦大学）；Peking University（北京大学）
提出统一框架检测常微分方程动态系统中的结构变化，基于残差与参数对比构建检验统计量，结合多尺度算法与FDR控制，在COVID-19与全球温度数据中验证有效性。
2026-06-29 stat.ME
Salient Bayesian Clustering for Proportional Data via a Multivariate Beta Mixture Model
Harvard T.H. Chan School of Public Health（哈佛陈曾熙公共卫生学院）
针对社区SDoH比例数据聚类中无关变量干扰的问题，提出嵌入特征显著性的贝叶斯多元Beta混合模型SAMBA-Mix，提升聚类准确性并识别关键决定因素。
2026-09-16 stat.ME
Local graph estimation with pathwise false discovery control
Duke University（杜克大学）；University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；Harvard T.H. Chan School of Public Health（哈佛陈曾熙公共卫生学院）
本文提出局部图估计方法，通过路径性特征选择有效恢复局部结构，适用于多领域数据，提升可解释性与发现新假设的能力。
2026-05-13 stat.AP stat.ME
Spatial mixed models for assessing environmental exposure effects on the microbiome
New York University School of Medicine（纽约大学医学院）；New York University Grossman School of Medicine（纽约大学格罗斯曼医学院）；NYU Laura and Isaac Perlmutter Cancer Center（纽约大学劳拉和艾萨克·珀尔穆特癌症中心）；NYU Langone Medical Center（纽约大学朗戈医学中心）；Hadassah Medical Center（哈达萨医疗中心）；Hebrew University of Jerusalem（耶路撒冷希伯来大学）
提出一种空间混合模型框架，利用条件自回归先验同时处理区域空间依赖和分类群生态依赖，在特征选择中实现高检测功率和低假阳性率，应用于PM2.5暴露研究识别相关菌属。
2026-06-17 stat.ME
Skilled Mutual Fund Selection: False Discovery Control under Dependence
通过多重检验框架选择有技能的共同基金越来越受到金融研究人员和统计学家的关注。Carhart四因素模型中的截距$α$通常被用来衡量基金的真实业绩，正的$α$被认为是熟练的。我们观察到各基金间$α$的标准化OLS估计具有较强的相关性和非正态性结构，表明传统的多重检验方法不足以筛选出有技能的基金。我们从决策理论的角度出发，提出了一个最佳的测试过程，以最小化的组合错误发现率和错误的非发现率。我们提出的测试程序是基于每个基金的概率不熟练的条件下，在我们的研究中的所有基金的信息。为了模拟用于测试过程的信息的分布，我们考虑了依赖下的混合模型，并提出了一种新的方法称为“近似经验贝叶斯”来拟合参数。实证研究表明，我们选择的技能型基金具有优越的长期和短期业绩，例如，我们的选择在同一时期强烈优于标准普尔500指数。
2022-02-25 stat.AP stat.ME
A quantile-based g-computation approach to addressing the effects of exposure mixtures
提出分位数g-computation方法估计暴露混合物联合效应，结合WQS回归简单性和g-computation灵活性，在常见场景下无偏估计并优于WQS回归，为公共卫生干预提供支持。
2020-03-11 stat.ME
A mixture of distributed lag non-linear models to account for spatially heterogeneous exposure-lag-response associations
University of Valencia（瓦伦西亚大学）
针对传统分布式滞后非线性模型忽略空间异质性的问题，提出DLNM-Clust混合模型，在贝叶斯框架下将地理单元概率分配到不同滞后响应簇，以比利时空气污染与COVID-19关系为例验证其有效性。
2026-06-23 stat.AP stat.ME
AdaPT-GMM: Powerful and robust covariate-assisted multiple testing
我们提出了一种新的经验贝叶斯方法协变量辅助多重检验与错误发现率（FDR）的控制，其中我们模型的本地错误发现率为每个假设作为其协变量和p值的函数。我们的方法改进了自适应p值阈值（AdaPT）过程，通过推广其掩蔽方案来减少其错误发现比例估计的偏差和方差，提高了拒绝集较小或一些空p值集中在1附近时的功效。我们还介绍了一个高斯混合模型的条件分布的检验统计量给定的协变量，建模的混合比例与一个通用的用户指定的分类器，我们使用两层神经网络实现。与AdaPT一样，即使分类器或高斯混合模型被错误指定，我们的方法也可以在有限样本中控制FDR。我们在大量的模拟和真实数据的例子中表明，我们的新方法，我们称之为AdaPT-GMM，始终提供高功率相对于竞争的最先进的方法。特别是，它在AdaPT能力不足的情况下表现良好，特别适合于测试复合原假设，例如效应量是否超过实际显著性阈值。
2021-06-30 stat.CO stat.ME stat.ML
Optimal control of false discovery criteria in the two-group model
在检验大量统计假设时，影响力很大的两组模型假设检验统计量独立于高概率零分布和低概率替代分布的混合分布。在边际错误发现率（mFDR）提供经受mFDR控制的最大功率（预期的真实发现）的意义上，已知通过对局部错误发现率（locFDR）进行阈值化来实现边际mFDR的最优控制，即，假设为零的概率，给定一组检验统计量，具有固定阈值。我们解决的挑战，最佳控制流行的错误发现率（FDR）或积极的FDR（pFDR），而不是mFDR在一般的两组模型，这也允许之间的依赖性的检验统计量。这些准则比mFDR准则保守性更小，因此它们在预期中产生更多的拒绝。我们得到他们的最佳多重检验（OMT）的政策，原来是阈值的locFDR与阈值是一个函数的整个统计。我们开发了一个有效的算法来找到这些政策，并使用它的问题与数千个假设。我们说明这些程序的基因表达研究。
2020-05-27 math.ST stat.ME stat.TH
mpower: An R Package for Power Analysis of Exposure Mixture Studies via Monte Carlo Simulations
本研究推出R包mpower，可基于蒙特卡洛模拟开展暴露混合物等场景的功效分析，支持保留变量依赖结构，生成功效曲线，适配多种关联分析策略，通用性较强。
2024-04-15 stat.CO stat.ME
Convex Mixture Regression for Quantitative Risk Assessment
有广泛的兴趣，研究如何连续响应的分布变化与预测。我们的动机是环境应用，其中预测因素是暴露的剂量，反应是健康结果。这些研究的主要重点是推断与相对于基线的特定风险增加相关的剂量水平。流行的方法要么对连续反应进行二分，要么专注于对结果预期中剂量的变化进行建模。这样的选择可能导致信息丢失，并提供剂量-反应关系的不准确推断。相反，我们提出了一个贝叶斯凸混合回归模型，允许整个分布的健康结果是未知的，并随着剂量的变化。为了平衡灵活性和简约性，我们依赖于一个混合模型的密度在极端剂量，并表示条件密度在每个中间剂量通过这些极端密度的凸组合。这种表示概括了经典的剂量-反应模型的定量结果，并提供了一个更简约，但仍然强大的，制定相比，非参数方法，从而提高解释性和效率的风险函数的推断。后验推理的马尔可夫链蒙特卡罗算法的开发，我们的方法的好处概述了模拟，随着DDT暴露对胎龄的影响的研究。
2018-05-09 stat.AP stat.ME
Large-scale Multiple Testing: Fundamental Limits of False Discovery Rate Control and Compound Oracle
本文研究大规模多重检验中 FDR 与 FNR 的根本权衡，证明最优 FDR–FNR 边界需要复合规则，并给出高概率 FDP 控制下的对应最优结果。
2025-08-31 math.ST stat.ME stat.TH
A Bayesian Semiparametric Mixture Model for Clustering Zero-Inflated Microbiome Data
针对微生物组数据的零膨胀多元组成计数特征及现有聚类方法的局限性，提出贝叶斯半参数混合模型，可同时学习聚类数量并分配聚类，经模拟验证其性能及处理零膨胀的重要性，且已应用于相关疾病研究数据的聚类分析。
2025-08-19 stat.AP stat.CO stat.ME
A Bayesian Multiple Testing Paradigm for Model Selection in Inverse Regression Problems
在这篇文章中，我们提出了一种新的贝叶斯多重检验公式，用于逆向设置中的模型和变量选择，明智地将Bhattacharya（2013）提出的逆参考分布的思想嵌入到由竞争模型组成的混合框架中。我们开发的理论和方法，在一般情况下，包括参数和非参数竞争模型，相关数据，以及误指定。我们的研究表明，渐近多重检验程序几乎肯定会选择最好的逆模型，最大限度地减少最小的Kullback-Leibler发散从真实的模型。我们还表明，差错率，即版本的错误发现率和错误的非发现率几乎肯定收敛到零的样本量趋于无穷大。本文还研究了错误发现率版本的渐近α-控制及其对错误非发现率版本收敛的影响。我们的模拟实验涉及基于小样本的选择之间的逆泊松对数回归和逆几何logit和probit回归，其中回归是线性的或基于高斯过程。此外，还考虑变量选择。我们的多个测试结果证明是非常令人鼓舞的意义上选择最好的模型在所有的非错误指定和错误指定的情况下。
2020-07-15 math.ST stat.ME stat.TH
On Online Control of False Discovery Rate
Stanford University（斯坦福大学）；UC Berkeley（加州大学伯克利分校）
多重假设检验是统计推断的核心问题，几乎在各个科学领域都有出现。给定一系列零假设$\mathcal{H}(n) = (H_1,..., H_n)$，Benjamini和Hochberg \cite{benjamini1995controlling}引入了错误发现率（FDR）标准，这是被拒绝的零假设中假阳性的预期比例，并提出了一个测试程序，控制FDR低于预先指定的显著性水平。他们还提出了一个不同的标准，称为mFDR，它不控制已实现的测试集的属性;相反，它控制预期的错误发现数量与预期的发现数量之比。在本文中，我们提出了两个多假设检验的程序，我们称之为“LOND”和“LORD”。这些程序控制\emph{online manner}中的FDR和mFDR。具体地说，我们考虑一个有序的-可能是无限的-序列的零假设$\mathcal{H} = (H_1,H_2,H_3,...)$，在每一步$i$，统计学家必须决定是否拒绝假设$H_i$只能访问以前的决定。据我们所知，我们的工作是第一个在这种情况下控制FDR的工作。该模型由Foster和Stine \cite{alpha-investing}引入，其alpha投资规则仅以在线方式控制mFDR。为了比较不同的程序，我们开发了下界的总发现率下的混合模型，并证明了LOND和LORD都有近线性的发现数。我们进一步建议调整LOND以解决$p$值之间的任意相关性…
2015-03-04 cs.LG math.ST stat.AP
Large-scale adaptive multiple testing for sequential data controlling false discovery and nondiscovery rates
针对高维序列数据，本文提出自适应停止边界的序贯多重检验，利用oracle与局部FDR数据驱动规则渐近同时控制FDR和FNR，并显著降低期望样本量。
2023-06-08 math.ST stat.ME stat.TH
