[논문 리뷰] On two-sided p-values for non-symmetric distributions

Elena Kulinskaya|ArXiv.org|2008. 10. 12.

Statistical Distribution Estimation and Applications참고 문헌 22인용 수 15

한 줄 요약

이 논문은 비대칭 분포에 대해 새로운 이면 p-값인 조건부 p-값 $P_C$를 제안하며, 이는 이중화된 p-값과 밀접한 관련이 있지만 그 결함을 피한다. 이는 동일한 일측 검정이 $P_C$-등가 이면 검정이 되도록 보장하여, 카이제곱, 이항분포, 피어슨의 정확검정과 같은 연속적이고 이산적인 분포에서 표준 방법보다 편향과 직관적 일관성 면에서 뛰어나다.

ABSTRACT

Two-sided statistical tests and p-values are well defined only when the test statistic in question has a symmetric distribution. A new two-sided p-value called conditional p-value $P_C$ is introduced here. It is closely related to the doubled p-value and has an intuitive appeal. Its use is advocated for both continuous and discrete distributions. An important advantage of this p-value is that equivalent 1-sided tests are transformed into $P_C$-equivalent 2-sided tests. It is compared to the widely used doubled and minimum likelihood p-values. Examples include the variance test, the binomial and the Fisher's exact test.

연구 동기 및 목표

• 비대칭 분포에 대해 이면 p-값을 정의하는 데 오랫동안 애매하게 여겨진 문제를 해결하기 위해, 특히 이산적이고 비대칭인 경우에 대해.
• 피어슨의 정확검정 및 유사 검정에서 어떤 이면 p-값을 사용할 것인지에 대한 논란을 해결하기 위해.
• 기존의 이면 p-값들인 $P_F$ (이중화된 값) 및 $P_{prob}$ (최소 가능도 값)에 비해 개념적으로 단순하고 계산 가능하며 통계적으로 타당한 대안을 제안하기 위해.
• 동일한 일측 검정이 새로운 $P_C$ 프레임워크 하에서 동일한 이면 검정을 가져야 한다는 조건을 보장하기 위해.
• 특히 분산 검정과 균형이 깨진 마진을 가진 2×2 교차표에서 가설 검정의 편향을 줄이기 위해.

제안 방법

• 제안된 관측치와 귀무가설 분포 하에서 그의 대칭적 대응치에 대한 일측 p-값의 합으로 조건부 p-값 $P_C(x)$를 정의한다.
• 편향의 방향을 고려한 조건부 확률 프레임워크를 사용하여, 일측 검정과의 일관성을 확보한다.
• 연속적 분포(예: 분산 검정을 위한 카이제곱 분포)와 이산적 분포(예: 피어슨의 정확검정을 위한 이항분포, 초기분포)에 $P_C$를 적용한다.
• 특히 초기분포의 경우를 비교 기준으로 하여 일반화된 가능도비수준(Generalized Likelihood Ratio, GLR) 검정을 사용한다.
• $P_F$ (이중화된 일측 p-값) 및 $P_{prob}$ (최소 가능도 p-값)와의 비교를 위해 부력 분석과 편향 평가를 실시한다.
• 특히 균형이 깨진 설계에서 다양한 대안 하에서 검정 성능을 평가하기 위해 시뮬레이션과 분석적 부력 곡선을 활용한다.

실험 결과

연구 질문

• RQ1 대칭 기반 정의가 실패하는 비대칭 분포에 대해 어떻게 일관된 이면 p-값을 정의할 수 있는가?
• RQ2 제안된 $P_C$ p-값이 이산적이거나 비대칭적인 분포에서도 일측 검정과 이면 검정이 등가가 되도록 보장하는가?
• RQ3 $P_C$는 널리 사용되는 이중화된 p-값($P_F$)과 최소 가능도 p-값($P_{prob}$)에 비해 편향과 부력 면에서 어떻게 비교되는가?
• RQ4 $P_C$는 오랫동안 논란이 되어온 피어슨의 정확검정에서 올바른 이면 p-값을 해결할 수 있는가?
• RQ5 $P_C$는 특히 균형이 깨진 표본 크기에서 등각 F-검정과 같은 표준 접근법보다 편향이 적은가?

주요 결과

• 진짜 분산이 귀무가설 값보다 작은 경우, 분산 검정에 대한 $P_C$ 기반 검정은 표준 등각 F-검정과 $P_{prob}$ 기반 검정보다 훨씬 더 적은 편향을 보인다.
• 초기분포(피어슨의 정확검정)의 경우, $P_C$는 동일한 검정 통계량 순서를 가진 모든 표본에서 동일한 이면 p-값을 보장하여 일측 검정과 이면 검정의 등가성을 유지한다.
• 균형이 깨진 마진(예: $n_{1+}=9, n_{2+}=31, n_{+1}=5, n_{+2}=35$)의 경우, 특히 오른쪽 꼬리에서 $P_{prob}$보다 더 균형 잡히고 덜 보수적인 행동을 보인다.
• $P_C$ 기반 검정의 부력은 $P_{prob}$ 기반 검정보다 높으며, 후자는 $\rho < 1$일 때 최소 부력이 단지 0.01에 불과하여 심각한 편향을 보인다.
• $P_C$ p-값은 값이 이중화된 일측 p-값($P_F$)과 매우 유사하지만, 후자의 1을 초과할 수 있는 결함을 피하면서도 직관적 매력은 그대로 유지한다.
• 조건부 p-값 $P_C$가 검정 통계량의 단조적 변환에 대해 불변임이 입증되어, 그 강건성과 불변성 특성을 뒷받침한다.