Benjamini-Hochberg依赖性假设是否成立?


9

我有一个数据集,用于测试三个总体之间在大约50个不同变量方面的显着差异。一方面,我使用Kruskal-Wallis检验,另一方面,通过嵌套GLM模型拟合的似然比检验(具有和不具有总体作为自变量)进行此操作。

结果,一方面,我列出了Kruskal-Wallis,另一方面,我认为是LRT比较中的卡方p值pp

我需要做某种形式的多重测试校正,因为有50多种不同的测试,Benjamini-Hochberg FDR似乎是最明智的选择。

但是,变量可能不是独立的,它们中的几个“氏族”是相关的。然后的问题是:我如何确定我的p值的基础统计信息集是否p满足Benjamini-Hochberg过程仍然要绑定到FDR所需的正相关性要求?

2001年的Benjamini-Hochberg-Yekutieli论文指出,PRDS条件适用于多元正态分布和学生分布。对于模型比较,我的似然比检验卡方值怎么样?对于Kruskal-Wallis检验,我的p如何?

我可以使用Benjamini-Hochberg-Yekutieli最坏情况的FDR校正,该校正在假设依赖项时不做任何假设,但我认为在这种情况下,它可能过于保守,并且会丢失一些相关信号。

Answers:


3

BH程序的有效性取决于假设检验是否为正相关。如果您阅读了他们的2001年论文,您会发现并不一定要采用多元正态,他们在论文中给出了较弱的条件:

罗森鲍姆(1984)的条件(正)的关联,就足以PRDS暗示:有条件地相关联,如果因为任何分区X(X1, X2)X,以及任何功能 h(X1),X2 给定 h(X1) 是正相关的。

如果这些似乎是对您的数据做出的合理假设,则只需将其声明为假设,然后尝试提出满足条件和不满足条件的情况,以向您自己阐明。


你可以参考这篇论文吗?
user603 2013年

3

PRDS是BH控制FDR的充​​分但非必要条件。我建议您使用它,并且也将Benjamini-Yekutieli过程用于一般依赖性。如果推断的差异很大,请尝试证明BH使用基于排列或重采样的技术在您的特定设置中控制FDR,以节省依赖结构。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.