[論文レビュー] True and false discoveries with independent and sequential e-values

Vladimir Vovk, Ruodu Wang|arXiv (Cornell University)|Mar 1, 2020

Statistical Methods in Clinical Trials参考文献 6被引用数 4

ひとこと要約

本稿では、独立なe値とU₂ e-結合関数（対ごとの積の和）を用いた新しい発見行列アルゴリズムを提案する。この手法は、p値や算術平均（U₁）に基づく従来の手法と比較して、誤り発見制御と統計的検出力の両面で顕著に向上する。本手法はe値の相対的分散を活用し、真の発見の検出を強化しながらも、強い頻度的誤差制御を維持する。シミュレーションと理論的分析の両面で、先行手法を上回る性能を示す。

ABSTRACT

In this paper we use e-values in the context of multiple hypothesis testing assuming that the base tests produce independent, or sequential, e-values. Our simulation and empirical studies and theoretical considerations suggest that, under this assumption, our new algorithms are superior to the known algorithms using independent p-values and to our recent algorithms designed for e-values without the assumption of independence.

研究の動機と目的

• e値の独立性を仮定したもとで、より強力で信頼性の高い多重仮説検定手法の開発を目的とする。
• 算術平均（U₁）やp値に依存する従来のe値ベースの発見手順の改善を目的とする。
• 強い誤差制御を維持しながら真の発見を最大限に検出できる、計算効率の良い発見行列アルゴリズムの設計を目的とする。
• 理論的および実験的分析を通じて、U₂がU₁およびp値ベースの手法を上回る誤り発見制御の優位性を示すことを目的とする。

提案手法

• 本手法は、e値のすべての対ごとの積の平均として定義されるU₂ e-結合関数を用い、独立な検定間の証拠を集約する。
• 発見行列は、アルゴリズム1により構築され、上位j個の帰無仮説のr個の部分集合におけるU₂値の最小値に基づいて、閾値D_{r,j}を計算する。
• 独立性のもとでU₂がe変数の性質を有することに依拠することで、任意の確率測度のもとで有効性が保証される。
• U₂値に基づく色分けされた証拠スケール（緑から黒）に合わせて、少なくともj個の真の発見がr個の棄却に裏付けられる強さを反映する。
• e値の分散構造をU₂の相対的分散rvar(e)を介して活用することで、e値フレームワークを一般化する。
• e値からp値へのキャリブレーションを適用し、GWGSのような古典的手法と比較可能にする。

実験結果

リサーチクエスチョン

• RQ1 U₂ e値に基づく発見行列は、真の発見の検出と誤り発見制御の両面で、従来の手法を上回る性能を示せるか？
• RQ2 独立なe値のもとで、U₂の性能はU₁（算術平均）およびp値ベースの手順と比べてどうか？
• RQ3 e値の相対的分散とU₂ベースの発見行列の性能の理論的関係は何か？
• RQ4 U₂ベースの手法は、強い誤差制御を維持しながら、真の発見に対するより強い証拠を達成できるか？

主な発見

• シミュレーション研究において、U₂ベースの発見行列はU₁ベースおよびp値ベースの手法を上回り、特に強い証拠を伴う真の発見の検出に優れている。
• e値が同一の場合、U₂の式U₂(e) = M₁²(1 − rvar(e))により、発見行列のエントリに二乗の改善が得られる。
• 相対的分散rvar(e)はe値の多様性を定量化し、rvar(e)が増加するにつれて性能は低下するが、独立性のもとでは依然として頑健である。
• eからpへのキャリブレーション後、U₂ベースのp値は、p値を対象としたGWGS手順よりも強い証拠（例：より多くの黒／濃赤色のエントリ）を示す。
• U₂のアルゴリズムはO(K⁵)時間で実行可能であり、単純なO(K⁶)手法と比較して著しく高速である。
• 理論的分析により、U₂は独立性のもとで有効なie-結合関数であり、e値が不均一な場合にU₁を上回って真の発見を検出できることを確認した。