[논문 리뷰] Estimation of False Discovery Proportion with Unknown Dependence

Jianqing Fan, Xu Han|arXiv (Cornell University)|2013. 05. 30.

Statistical Methods in Clinical Trials참고 문헌 35인용 수 7

한 줄 요약

이 논문은 시험 통계량 간 상관관계가 존재하고 공분산 행렬이 알려져 있지 않은 경우, 대규모 다중 검정에서 거짓 발견 비율(FDP)을 이론적으로 근거 있는 방법으로 추정하는 프레임워크를 개발한다. 희박성 또는 요인 기반의 의존성 구조 하에서 고유값/고유벡터 추정(특히 POET 추정기법을 통해)을 활용함으로써, 알려지지 않은 의존성 조건 하에서도 FDP를 일致적으로 근사할 수 있음을 입증하며, 이는 이전 연구에서 공분산 행렬이 알려져 있다고 가정한 바를 확장한다.

ABSTRACT

Large-scale multiple testing with highly correlated test statistics arises frequently in many scientific research. Incorporating correlation information in estimating false discovery proportion has attracted increasing attention in recent years. When the covariance matrix of test statistics is known, Fan, Han & Gu (2012) provided a consistent estimate of False Discovery Proportion (FDP) under arbitrary dependence structure. However, the covariance matrix is often unknown in many applications and such dependence information has to be estimated before estimating FDP (Efron, 2010). The estimation accuracy can greatly affect the convergence result of FDP or even violate its consistency. In the current paper, we provide methodological modification and theoretical investigations for estimation of FDP with unknown covariance. First we develop requirements for estimates of eigenvalues and eigenvectors such that we can obtain a consistent estimate of FDP. Secondly we give conditions on the dependence structures such that the estimate of FDP is consistent. Such dependence structures include sparse covariance matrices, which have been popularly considered in the contemporary random matrix theory. When data are sampled from an approximate factor model, which encompasses most practical situations, we provide a consistent estimate of FDP via exploiting this specific dependence structure. The results are further demonstrated by simulation studies and some real data applications.

연구 동기 및 목표

• 시험 통계량의 공분산 행렬이 알려져 있지 않은 경우, 고차원 다중 검정에서 거짓 발견 비율(FDP)을 추정하는 데 도전하는 문제를 다루기 위해.
• 모르는 의존성 하에서 고유값과 고유벡터를 추정하는 것이 FDP 근사 정확도에 미치는 영향을 공식적으로 분석하기 위해.
• 희박성, 띠형, 또는 근사 요인 모델 공분산 구조 하에서 일관된 FDP 추정을 보장하는 일반적인 프레임워크를 개발하기 위해.
• 다변수 정규분포를 초월해 더 일반적인 의존성 가정으로 결과를 확장하기 위해.
• 알려지지 않은 의존성 하에서 FDP 추정에 POET 추정기법을 이론적으로 정당화하고, 유한 표본 성능을 시뮬레이션과 실제 데이터로 검증하기 위해.

제안 방법

• 공분산 행렬의 고유구조(고유값과 고유벡터)를 추정함으로써 알려지지 않은 의존성을 고려한 FDP 추정을 위한 일반적 프레임워크를 제안한다.
• 고차원 의존성을 모델링하기 위해 POET(주성분 보완 임계처리) 방법을 사용해 추정된 공분산 행렬의 스펙트럼 분해를 적용한다.
• 추정된 고유값과 고유벡터가 FDP 근사에 대해 일관되게 작용할 수 있는 이론적 조건을 확립하며, 특히 희박성 또는 요인 모델 가정 하에서 이를 다룬다.
• FDP 추정기의 비점근적 오차 한계를 유도하며, 추정 오차가 $ O_p(p^ heta (k( ho_n + m_p ho_n^{1-q} p^{-1}) + mu^* p^{-1/2})) $ 의 순서임을 보여주며, 여기서 $ \rho_n $ 은 추정 오차를 제어한다.
• 웨일의 정리와 $ \sin \theta $ 정리를 사용해 추정 오차로 인한 고유값 및 고유벡터의 변동을 경계한다.
• 다변수 정규분포 및 비정규 오차 분포 모두에서 방법을 검증하여 분포 오Specification에 대한 강건성을 입증한다.

실험 결과

연구 질문

• RQ1 알려지지 않은 의존성—특히 공분산 행렬을 추정해야 하는 요구 조건—은 거짓 발견 비율(FDP) 추정 정확도에 어떻게 영향을 미치는가?
• RQ2 공분산 행렬의 구조(예: 희박성, 띠형, 요인 모델 등)에 어떤 조건이 성립해야, 공분산이 알려지지 않은 상황에서도 FDP 추정이 일관되게 이루어지는가?
• RQ3 알려지지 않은 의존성 하에서 FDP 추정에 POET 추정기법을 이론적으로 정당화할 수 있으며, 그 결과로 도출된 FDP 추정기의 수렴 속도는 어떠한가?
• RQ4 고차원 다중 검정에서, 변량 분산과 고유구조 추정 오차가 동시에 영향을 미치며 FDP 근사에 어떤 영향을 미치는가?
• RQ5 이 프레임워크는 시험 통계량의 다변수 정규성 조건을 초월해 어느 정도 일반화될 수 있는가?

주요 결과

• 논문은 공분산 행렬의 고유구조가 POET를 통해 추정될 경우, 진짜 공분산이 알려져 있지 않더라도 FDP가 일관되게 추정될 수 있음을 입증한다.
• FDP 추정기의 추정 오차는 $ O_p(p^ heta (k( ho_n + m_p ho_n^{1-q} p^{-1}) + mu^* p^{-1/2})) $ 로 경계되며, 여기서 $ \rho_n $ 은 고유값과 고유벡터의 추정 오차를 캡처한다.
• 근사 요인 모델 하에서, 방법은 일관된 FDP 근사 성능을 달성하며, 고유값과 고유벡터 추정 오차는 POET 절차를 통해 제어된다.
• 이론적 결과는 다변수 정규성 가정을 완화하더라도 FDP 추정기가 여전히 일관되게 유지됨을 보여주며, 강건성을 입증한다.
• 시뮬레이션 연구와 실제 데이터 응용을 통해, 이론적 의존성 구조를 반영한 FDP 통제에서 방법의 실용적 효과성을 확인한다.
• 이 프레임워크는 FDP 추정에서 고유구조 기반 방법의 사용에 대한 공식적 정당성을 제공하며, 이전 연구들이 알려진 또는 잘못된 의존성 구조를 가정한 한계를 해결한다.