[論文レビュー] Unification of Rare and Weak Detection Models using Moderate Deviations Analysis and Log-Chisquared P-values

Alon Kipnis|arXiv (Cornell University)|Mar 6, 2021

Probability and Risk Models被引用数 5

ひとこと要約

この論文は、中程度の偏差解析と対数カイ二乗分布P値を用いて、希少かつ弱い多重仮説検定モデルを統一し、漸近的パワーがバーデュールの対数正規分布よりも非心カイ二乗分布近似によって最もよく捉えられることを示している。検出可能領域では、バーグ・ジョンソン検定とハイヤークリティシズム検定が漸近的に最適である一方、フィッシャーの方法やFDR制御は部分的であることが判明した。

ABSTRACT

Rare and Weak models for multiple hypothesis testing assume that only a small proportion of the tested hypotheses concern non-null effects and the individual effects are only moderately large, so they generally do not stand out individually, for example in a Bonferroni analysis. Such models have been studied in quite a few settings, for example in some cases studies focused on an underlying Gaussian means model for the hypotheses being tested; in others, Poisson and Binomial. Such seemingly different models have the following common structure. Summarizing the evidence of individual tests by the negative logarithm of its P-value, the model is asymptotically equivalent to a situation in which most negative log P-values have a standard exponential distribution but a small fraction might have an alternative distribution which is approximately noncentral chisquared on one degree of freedom. We characterize the asymptotic performance of global tests combining asymptotic log-chisquared P-values in terms of the chisquared mixture parameters: the scaling parameter controlling heteroscedasticity, the non-centrality parameter, and the parameter controlling the rarity of individual non-null effects. In a phase space involving the last two parameters, we derive a region where all tests are asymptotically powerless. Outside of this region, the Berk-Jones and the Higher Criticism tests have maximal power. Inference techniques based on the minimal P-value, false-discovery rate controlling, and Fisher's combination test have sub-optimal asymptotic phase diagrams. Our analysis yields the asymptotic power of global testing in various new rare and weak models, including two-sample heteroscedastic normal mixtures and binomial experiments with perturbed probabilities of success.

研究の動機と目的

• ガウス分布、ポアソン分布、二項分布、および2標本不等分散正規混合モデルを含む、多様な希少かつ弱い多重仮説検定モデルを、1つの漸近的枠組みで統一すること。
• 既存手法の限界、特に中程度の偏差スケールにおける希少かつ弱い信号では失敗するバーデュールの対数正規近似の限界を解消すること。
• カイ二乗混合分布のパラメータ（スケーリング（不等分散性）、非心度（効果量）、スパarsity（希少性））を用いて、グローバル検定の漸近的パワーを特徴づけること。
• 漸近的パワーの無力領域と検出可能領域を分けるフェーズダイアグラムを導出し、ハイヤークリティシズム検定とバーグ・ジョンソン検定が最大パワーを達成することを示すこと。
• 2標本不等分散正規混合モデルや摂動付き二項実験を含む、新規および既存の希少かつ弱いモデルにおける推論手順のキャリブレーションを支援すること。

提案手法

• グローバル帰無仮説と対立仮説下でのP値を標準指数分布と非心カイ二乗分布(1自由度)の混合で特徴づける、希少中程度の逸脱（RMD）モデルを提唱する。
• 中程度の偏差解析を用いて、√(q log n / n) のオーダーの逸脱をモデル化し、希少かつ弱い信号に対して漸近的有効性を保証する。
• 負の対数P値の対数カイ二乗近似を採用し、この領域においてバーデュールの対数正規近似よりも精度が良いことを示す。
• グローバル検定（例：ハイヤークリティシズム検定、バーグ・ジョンソン検定、フィッシャーの方法、FDR制御手順）の漸近的パワーを、σ²（不等分散性）、λ（非心度）、π（スパarsity）の混合パラメータの観点から導出する。
• 効果量βと信号強度ρの関数として、漸近的パワーの無力領域と検出可能領域を分けるフェーズ遷移曲線ρ(β,σ)を確立する。
• 2標本不等分散正規混合モデルや摂動付き成功確率を伴う二項実験など、新規モデルにこの枠組みを適用し、その漸近的パワー行動を導出する。

実験結果

リサーチクエスチョン

• RQ1 多様なデータ生成メカニズムにわたる希少かつ弱い多重仮説検定モデルを統一する漸近的枠組みを構築できるか？
• RQ2 なぜ、中程度の偏差スケールにおける希少かつ弱い信号のパワーを特徴づける際、対数カイ二乗近似が対数正規近似（例：バーデュールのもの）を上回るのか？
• RQ3 希少かつ弱いモデルの検出可能領域において、どのグローバル検定手順が漸近的に最適であり、そのフェーズダイアグラムはどのようなものか？
• RQ4 不等分散性と信号の希少性が、多重仮説検定問題における検出可能閾値にどのように共同で影響を与えるか？
• RQ5 2標本不等分散正規混合モデルのような新規の希少かつ弱いモデルにおいて、フィッシャーの方法、FDR制御、最小P値検定といった標準的手法の漸近的パワーは何か？

主な発見

• RMDモデル下で、負の対数P値の対数カイ二乗近似は漸近的に正確であり、信号検出の情報理論的限界を提供する。
• バーグ・ジョンソン検定とハイヤークリティシズム検定は、フェーズ空間の検出可能領域で最大の漸近的パワーを達成するが、フィッシャーの方法やFDR制御手順は漸近的に部分的である。
• 効果量βと不等分散性σ²に依存するフェーズ遷移曲線ρ(β,σ)が、漸近的パワーの無力領域と検出可能領域を分ける。
• 2標本設定で等分散性（σ=1）の下では、検出には1標本ケースの2倍の効果量が必要であるが、過分散または不十分分散の下ではこの比は変化する。
• この枠組みは、2標本不等分散正規混合モデルや摂動付き成功確率を伴う二項実験といった新規モデルの漸近的パワーを的確に特徴づけた。
• アンドリューズ・ダーリング検定により、特に希少かつ弱い領域において、非心カイ二乗モデルが正規近似よりも優れた適合を示すことが確認された。