[论文解读] A permutation test for matching and its asymptotic distribution

Larry Goldstein, Yosef Rinott|ArXiv.org|Nov 17, 2005

Bayesian Methods and Mixture Models参考文献 7被引用 3

一句话总结

本文提出了一种置换检验方法，用于评估在基线相似性水平未知的情况下，观察到的配对是否表现出显著高于随机匹配下预期的相似性。通过使用 Stein 方法，该文在原假设下建立了检验统计量分布的正态近似，并给出了明确的误差界，从而即使在基线相关性未知的情况下，也能准确确定临界值。

ABSTRACT

We consider a permutation method for testing whether observations given in their natural pairing exhibit an unusual level of similarity in situations where any two observations may be similar at some unknown baseline level. Under a null hypotheses where there is no distinguished pairing of the observations, a normal approximation with explicit bounds and rates is presented for determining approximate critical test levels.

研究动机与目标

• 解决在基线相似性水平未知时，检验成对观测中是否存在显著相似性的挑战。
• 开发一种无需假设已知零分布的置换检验，尤其适用于自然配对可能受混杂因素影响的情形。
• 为随机匹配原假设下的置换检验统计量提供正态近似及其明确的误差界。
• 使医学诊断、考试抄袭检测和配对研究等应用中的有效推断成为可能，这些应用中基线相似性是固有的但未被观测到。

提出的方法

• 检验使用身份置换 $ \pi = \text{id} $ 下的相似性得分之和 $ U_{\text{id}} = \sum_{i=1}^n c(X_i, Y_{\pi(i)}) $，并与 $ \pi \sim \text{Uniform}(S_n) $ 下的置换分布进行比较。
• 通过 Stein 方法近似检验统计量的渐近分布，从而在正态近似中给出明确的误差界。
• 将检验统计量的方差成分分解为三项 ($ A_1, A_2, A_3 $)，通过条件方差分析来界定正态近似中的误差。
• 利用 $ \delta \leq C n^{1/2} \cdot \left( \sum d_{ij}^4 / (\sum d_{ij}^2)^2 \right)^{1/2} + C' n^{5/2} \alpha^3 / (\sum d_{ij}^2)^{3/2} $ 来界定正态近似中的误差，其中 $ \alpha = \max |d_{ij} - d_{kl}| $。
• 通过在观测到的相似性矩阵上进行条件化，并分析原始统计量与条件统计量之间差异的条件方差，来处理置换分布中的依赖性。
• 理论误差界通过 Cauchy-Schwarz 不等式和对 $ S_n $ 上均匀置换的组合恒等式推导得出，明确依赖于 $ n $ 和相似性矩阵元素。

实验结果

研究问题

• RQ1 当基线相似性水平未知且可能非零时，能否构建一种置换检验来检测自然配对观测中的显著相似性？
• RQ2 在随机匹配的原假设下，置换检验统计量的正态收敛速率是多少？
• RQ3 如何利用 Stein 方法为置换检验统计量的正态近似推导出明确的误差界？
• RQ4 固有的基线相似性在多大程度上影响了在配对研究中基于相关性的标准检验的有效性？
• RQ5 该方法能否应用于非度量相似性度量（如等级相关）的情境，例如医学诊断或考试抄袭检测？

主要发现

• 本文在正则条件下建立了置换检验统计量的正态近似，并给出了明确的误差界，其误差界大小为 $ O(n^{-1/2}) $。
• 正态近似中的误差界表示为 $ \delta \leq 86n^{1/2} \sqrt{\sum d_{ij}^4 / (\sum d_{ij}^2)^2} + 243\alpha^3 n^{5/2} / (\sum d_{ij}^2)^{3/2} $，其中 $ \alpha = \max |d_{ij} - d_{kl}| $，提供了近似精度的定量度量。
• 检验统计量的方差下界为 $ \sigma^2 \geq \frac{2}{n} \sum_{i \neq j} d_{ij}^2 $，确保了渐近正态性所需的充分变异性。
• 该方法适用于一般相似性度量，包括等级相关，并且无需已知或估计基线相似性。
• 该方法对未知基线相关性具有鲁棒性，因此适用于医生诊断影响研究和考试抄袭检测等应用。
• 理论误差界对 $ n \geq 10 $ 有效，且通过组合恒等式和 Cauchy-Schwarz 不等式对各成分方差进行了明确推导。