[논문 리뷰] Incorporation of Sparsity Information in Large-scale Multiple Two-sample $t$ Tests

Weidong Liu|arXiv (Cornell University)|2014. 10. 16.

Statistical Methods in Clinical Trials참고 문헌 22인용 수 7

한 줄 요약

이 논문은 평균 벡터의 희소성에 기반하여 가역적 상관관계가 없는 필터링 기반(US) 절차를 제안한다. 이는 대규모 다중 두표본 t검정에서 통계적 검정력 향상과 함께 FDR(거짓 발견률) 제어를 가능하게 한다. 기존 데이터를 사용하여 t통계량과 渐近적으로 상관관계가 없는 필터링 통계량을 구성함으로써 샘플 분할 없이도, 희소성 조건 하에서 Benjamini-Hochberg 방법보다 높은 검정력을 확보하며, FDR 제어는 渐近적으로 보장된다.

ABSTRACT

Large-scale multiple two-sample {\em Student}'s $t$ testing problems often arise from the statistical analysis of scientific data. To detect components with different values between two mean vectors, a well-known procedure is to apply the Benjamini and Hochberg (B-H) method and two-sample {\em Student}'s $t$ statistics to control the false discovery rate (FDR). In many applications, mean vectors are expected to be sparse or asymptotically sparse. When dealing with such type of data, {\em can we gain more power than the standard procedure such as the B-H method with Student's $t$ statistics while keeping the FDR under control?} The answer is positive. By exploiting the possible sparsity information in mean vectors, we present an uncorrelated screening-based (US) FDR control procedure, which is shown to be more powerful than the B-H method. The US testing procedure depends on a novel construction of screening statistics, which are asymptotically uncorrelated with two-sample {\em Student}'s $t$ statistics. The US testing procedure is different from some existing {\em testing following screening} methods (Reiner, et al., 2007; Yekutieli, 2008) in which independence between screening and testing is crucial to control the FDR, while the independence often requires additional data or splitting of samples. An inappropriate splitting of samples may result in a loss rather than an improvement of statistical power. Instead, the uncorrelated screening US is based on the original data and does not need to split the samples. Theoretical results show that the US testing procedure controls the desired FDR asymptotically. Numerical studies are conducted and indicate that the proposed procedure works quite well.

연구 동기 및 목표

• 평균 벡터가 희소하거나 渐진적으로 희소할 때 대규모 다중 두표본 t검정에서 낮은 통계적 검정력 문제를 해결하기 위해.
• 희소성 조건 하에서 표준 Benjamini-Hochberg(B-H) 절차보다 검정력을 향상시키면서도 FDR 제어를 유지하는 방법을 개발하기 위해.
• 분포상으로 테스트 통계량과 독립적인 필터링 통계량을 구성함으로써 샘플 분할이나 추가 데이터의 필요성을 피하기 위해.
• 희소 평균 차이가 존재하는 고차원 설정에서 FDR 제어 및 검정력 향상에 대한 이론적 보장을 수립하기 위해.

제안 방법

• 두표본 t통계량과 渐진적으로 상관관계가 없는 새로운 기존 필터링(US) 통계량을 도입하여, FDR 가정을 위반하지 않고 함께 사용할 수 있도록 한다.
• 필터링과 테스트에 모두 원본 데이터를 사용함으로써 샘플 분할이 필요 없으며, 데이터 분할으로 인한 검정력 손실을 방지한다.
• 필터링 통계량 기반의 임계값 규칙을 적용하여 테스트 대상 후보 가설을 선별함으로써, 테스트 수를 줄이면서도 FDR 제어를 유지한다.
• 선별된 가설에 대해 수정된 Benjamini-Hochberg 절차를 적용하며, 선별된 집합에서의 t검정 p값의 순서통계량을 사용한다.
• 희소성 조건 하에서 필터링 통계량과 테스트 통계량의 渐진적 분포를 유도하여, FDR이 명목 수준 α에서 유한하게 유지됨을 보장한다.
• 진짜 신호 크기가 작고 희소할 경우, 표준 B-H보다 높은 검정력을 확보할 수 있는 이론적 조건을 수립한다.

실험 결과

연구 질문

• RQ1 평균 벡터가 희소할 때, FDR 제어를 훼손하지 않고 대규모 다중 두표본 t검정의 통계적 검정력을 향상시킬 수 있는가?
• RQ2 t통계량과 渐진적으로 상관관계가 없는 필터링 통계량을 구성할 수 있으며, 샘플 분할 없이도 FDR 제어에 함께 사용할 수 있는가?
• RQ3 제안된 기존 필터링(US) 절차가 FDR를 제어하고 B-H 방법보다 높은 검정력을 확보할 수 있는 이론적 조건은 무엇인가?
• RQ4 샘플 분할 또는 독립성 가정에 의존하는 기존의 필터링-이후 검정 방법과 비교해 US 절차의 성능은 어떠한가?

주요 결과

• 제안된 기존 필터링(US) 절차는 고차원적 희소성 조건 하에서도 명목 수준 α에서 FDR를 渐진적으로 제어한다.
• 평균 벡터가 희소하거나 渐진적으로 희소할 경우, 표준 Benjamini-Hochberg(B-H) 절차보다 높은 통계적 검정력을 확보한다.
• 필터링 통계량은 t통계량과 渐진적으로 상관관계가 없도록 구성되어 있어, 원본 데이터를 분할 없이 사용할 수 있으며, 데이터 분할으로 인한 검정력 손실을 방지한다.
• 수치적 연구 결과, 유한 표본에서도 US 절차가 FDR 제어와 희소성 조건 하에서 향상된 탐지 능력을 보여주며 잘 작동함을 확인하였다.
• 이론적 분석 결과, 차원 m이 증가함에 따라 신호 강도가 적절한 비율로 증가할 경우, US 절차의 검정력은 확률적으로 1에 수렴한다.
• 모르는 희소성 패턴에 대해 강건하며, 비제로 평균 차이의 합집합 지원에 대한 사전 지식이 필요하지 않다.