跳转至

Asymptotic uncertainty of false discovery proportion

作者: Meng Mei, Tao Yu, Yuan Jiang
主题: 数理统计 / 假设检验
相关性: 6/10
链接: https://doi.org/10.1093/biomtc/ujae015


一、领域脉络与小综述

这个方向是什么

本文研究的核心问题是:在多重假设检验中,当检验统计量之间存在弱相依性时,错误发现比例(False Discovery Proportion, FDP)作为随机变量,其渐近不确定性(方差)如何刻画?传统上,Benjamini-Hochberg (1995) 提出的 FDR 控制方法关注的是 FDP 的期望(即 FDR),而 FDX(FDP 超过某阈值的概率)则试图刻画 FDP 的尾部行为。然而,无论是 FDR 还是 FDX,都未能完整回答一个更基础的问题:给定一次实验数据,FDP 的估计值到底有多可靠? 本文正是填补了这一空白——在弱相依高斯框架下,推导 FDP 的渐近展开,并显式刻画其渐近方差的构成,从而为 FDP 估计的不确定性量化提供了理论基础。

发展脉络(history)

  • 奠基工作:Benjamini and Hochberg (1995) 提出 FDR 概念,将多重检验的错误控制从 FWER 的"零容忍"范式转向"期望比例"范式。Storey (2002) 和 Storey et al. (2004) 进一步发展了 FDR 的估计方法,提出了基于 p 值阈值的 FDR 估计量。这些工作奠定了 FDP/FDR 作为多重检验核心指标的地位,但均假设检验统计量独立或满足特定相依结构。
  • 相依性挑战:Benjamini and Yekutieli (2001) 首次系统讨论了相依性对 FDR 控制的影响,证明了在某些正相依结构下 BH 程序仍能控制 FDR。Owen (2005) 则从方差角度指出,FDP 的方差在相依性下可能显著偏离独立情形。Fan et al. (2012) 提出主因子近似(PFA)方法,将任意相依性约化为弱相依性,并证明了在弱相依条件下 FDP 的强相合性——这是本文的直接理论起点。
  • FDX 与不确定性量化:Genovese and Wasserman (2004, 2006) 引入 FDX 概念,试图刻画 FDP 的分布尾部。Delattre and Roquain (2011, 2016) 在独立高斯和等相关高斯情形下推导了 FDP 的渐近分布。但这些工作要么局限于特殊相依结构,要么仅关注 FDP 的期望或尾部概率,未系统研究 FDP 的方差如何随相依结构变化。
  • 本文位置:在 Fan et al. (2012) 的弱相依框架下,本文首次给出了 FDP 的渐近展开(而非仅相合性),并显式推导了渐近方差的解析表达式。这一结果将 FDP 的不确定性从"定性讨论"推进到"定量刻画",为实践中报告 FDP 的置信区间提供了理论依据。

子线索聚类

  1. FDR/FDP 控制与估计:Benjamini-Hochberg (1995), Storey (2002), Storey et al. (2004), Ferreira and Zwinderman (2006), Clarke et al. (2009)。这一线索关注如何构造 FDR 控制程序并估计 FDP 的期望值。
  2. 相依性下的 FDR 行为:Benjamini and Yekutieli (2001), Owen (2005), Sarkar (2006), Efron (2007), Fan et al. (2012), Fan and Han (2017), Fan et al. (2019)。这一线索研究相依结构如何影响 FDR/FDP 的极限行为,PFA 方法是其中的关键工具。
  3. FDP 的分布与不确定性:Genovese and Wasserman (2004, 2006), Korn et al. (2004), van der Laan et al. (2004), Lehmann and Romano (2005), Delattre and Roquain (2011, 2015, 2016), Döhler and Roquain (2020), Basu et al. (2021)。这一线索试图超越 FDR 的期望值,刻画 FDP 的完整分布或尾部概率,但多数工作限于独立或特殊相依情形。

这个方向在追问的核心问题

  1. FDP 的渐近分布是什么? 在弱相依条件下,FDP 是否收敛到正态分布?收敛速度如何?
  2. 相依结构如何影响 FDP 的不确定性? 不同相依模式(如正相关、负相关、稀疏相关)对 FDP 方差的影响是否不同?
  3. 如何估计 FDP 的方差? 在只知道检验统计量而不知道真实参数的情况下,能否从数据中可靠地估计 FDP 的方差?

⚠️ 作者的 framing(这是作者的说法)

作者在引言中明确将缺口 frame 为:"Although vast works have been done, controlling the false discoveries remains a challenging task when the corresponding test statistics are dependent... As far as we are aware, the research on this respect is still limited in the literature." 作者认为,现有文献(如 Fan et al. 2012)虽然证明了弱相依下 FDP 的相合性,但未回答 FDP 作为估计量的方差有多大。作者将本文定位为"填补 FDP 不确定性量化的空白",并据此推荐实践者在多重检验中同时报告 FDP 的均值和方差估计。

张力

未见明显对立引用。但值得注意的是,作者在引言中淡化了 Delattre and Roquain (2016) 的工作——后者在更一般的相依条件下(不仅限于弱相依)也推导了 FDP 的渐近分布。作者对此的回应是"these works still lack the valuable information about how FDP varies from study to study",即认为这些工作未聚焦于方差本身。这一 framing 是否公平,值得研究者自行判断。


二、最核心、最简单的例子 / 数学问题

第一步:符号、模型、可观测数据

  • 符号:
  • \(p\):检验总数;\(p_0\):真零假设个数;\(p_1\):真备择假设个数。
  • \(Z_j\):第 \(j\) 个检验的检验统计量,\(j = 1, \ldots, p\)。
  • \(\mu_j\):\(Z_j\) 的均值,零假设下 \(\mu_j = 0\),备择假设下 \(\mu_j \neq 0\)。
  • \(\Sigma = (\sigma_{ij})_{i,j=1,\ldots,p}\):\(Z\) 的协方差矩阵,对角元为 1(单位方差)。
  • \(t \in (0,1)\):p 值阈值;\(z_{t/2}\):标准正态分布的 \(t/2\) 分位数。
  • \(t_j = \mathbf{1}(|Z_j| > |z_{t/2}|)\):第 \(j\) 个检验的拒绝指示。
  • \(V(t) = \sum_{j \in H_0} t_j\):假发现数;\(S(t) = \sum_{j \in H_1} t_j\):真发现数;\(R(t) = V(t) + S(t)\):总发现数。
  • \(\text{FDP}(t) = V(t)/R(t)\):错误发现比例(当 \(R(t) = 0\) 时定义为 0)。
  • \(\bar{V} = V(t)/p\),\(\bar{R} = R(t)/p\):归一化的假发现数和总发现数。
  • \(\xi_j = \Phi(z_{t/2} + \mu_j) + \Phi(z_{t/2} - \mu_j)\):单个检验的拒绝概率(对 \(j \in H_1\));对 \(j \in H_0\),\(\xi_j = t\)。
  • \(\bar{\xi} = \frac{1}{p_1} \sum_{j \in H_1} \xi_j\):备择假设下的平均拒绝概率。
  • \(H_0\)、\(H_1\):真零假设和真备择假设的指标集合。

  • 模型:

  • 数据生成机制:\((Z_1, \ldots, Z_p)^T \sim N((\mu_1, \ldots, \mu_p)^T, \Sigma)\),即检验统计量服从多元正态分布,边际方差为 1。
  • 弱相依假设:\(\sum_{i,j} |\sigma_{ij}| = O(p^{2-\delta})\) 对某 \(\delta > 0\) 成立。这允许存在大量非零相关,但要求相关性的"总量"不能太大。
  • 稀疏性假设:\(p_1/p \to 0\)(备择假设稀疏),且 \(p_1 \bar{\xi} / (p_0 t) \to \infty\)(信号足够强以保证有足够发现)。

  • 可观测数据:\(Z_1, \ldots, Z_p\)(检验统计量),以及阈值 \(t\)。不可观测:\(\mu_j\)、\(H_0\)/\(H_1\) 的划分、\(\Sigma\) 的具体结构。

第二步:最小内核

核心问题:FDP\((t) = V(t)/R(t)\) 是一个随机变量。当 \(p\) 很大时,它依概率收敛到常数 \(p_0 t / (p_0 t + p_1 \bar{\xi})\)(Fan et al. 2012 的结论)。但这个收敛的波动有多大?即 \(\sqrt{p}(\text{FDP}(t) - \text{极限})\) 的渐近分布是什么?

最小例子:考虑最简单的独立情形(\(\Sigma = I\)),且所有 \(\mu_j = 0\)(所有假设为真)。此时 \(V(t) \sim \text{Binomial}(p, t)\),\(R(t) = V(t)\),所以 FDP\((t) = 1\)(只要 \(V(t) > 0\)),方差为 0。这个例子太退化。

稍微复杂一点:假设 \(p_0 = p - p_1\),\(p_1 = c \sqrt{p}\)(稀疏信号),\(\mu_j = \mu\) 对所有 \(j \in H_1\)。此时 \(V(t) \approx \text{Poisson}(p_0 t)\),\(S(t) \approx \text{Poisson}(p_1 \bar{\xi})\)(近似独立)。FDP\((t) \approx V/(V+S)\)。当 \(p \to \infty\),\(V/(V+S)\) 的波动由 \(V\) 和 \(S\) 的联合波动决定。关键观察:即使 \(V\) 和 \(S\) 独立,FDP 的方差也依赖于 \(V\) 和 \(S\) 的相对大小——当 \(S\) 很小时,FDP 的方差会被放大。

本文的核心思想:将 FDP\((t)\) 在 \((\mathbb{E}\bar{V}, \mathbb{E}\bar{R})\) 处做泰勒展开:

\[\text{FDP}(t) = \frac{\bar{V}}{\bar{R}} \approx \frac{\mathbb{E}\bar{V}}{\mathbb{E}\bar{R}} + \frac{\bar{V} - \mathbb{E}\bar{V}}{\mathbb{E}\bar{R}} - \frac{\mathbb{E}\bar{V}}{(\mathbb{E}\bar{R})^2}(\bar{R} - \mathbb{E}\bar{R}) + \text{高阶项}.\]
于是 FDP 的渐近方差近似为:
\[\text{Var}(\text{FDP}(t)) \approx \frac{\text{Var}(\bar{V})}{(\mathbb{E}\bar{R})^2} + \frac{(\mathbb{E}\bar{V})^2}{(\mathbb{E}\bar{R})^4}\text{Var}(\bar{R}) - 2\frac{\mathbb{E}\bar{V}}{(\mathbb{E}\bar{R})^3}\text{Cov}(\bar{V}, \bar{R}).\]
关键难点:\(\text{Var}(\bar{V})\)、\(\text{Var}(\bar{R})\)、\(\text{Cov}(\bar{V}, \bar{R})\) 都涉及检验统计量之间的协方差结构。在弱相依条件下,这些量可以表示为 \(\sigma_{ij}\) 的某种加权和。本文的 Theorem 1 正是证明了:在适当的条件下,上述泰勒展开的余项可以忽略,从而 FDP 的渐近方差由 \(V_1(t) + V_2(t)\) 给出,其中 \(V_1(t)\) 是独立情形的方差,\(V_2(t)\) 是相依性带来的"额外方差"。

为什么这个例子是"最小内核":它剥离了所有技术细节(如 PFA、弱相依的具体条件),只保留了 FDP 方差分解的核心逻辑——FDP 的方差 = 独立情形的方差 + 相依性修正项。本文的 Theorem 2 进一步指出,在常见条件下,\(V_2(t) > 0\),即相依性总是增大 FDP 的方差。这一结论的直觉是:正相关的检验统计量会使得假发现数 \(V\) 和总发现数 \(R\) 的波动"同步放大",从而增加 FDP 的不确定性。


三、这篇论文做了什么

三句话

  1. 研究了什么问题:在检验统计量服从弱相依多元正态分布的框架下,推导 FDP 的渐近展开,并刻画其渐近方差的解析表达式。
  2. 核心工具/方法:利用多元正态分布的泰勒展开和矩计算,将 FDP 的方差分解为独立情形的方差 \(V_1(t)\) 与相依性修正项 \(V_2(t)\);通过分析 \(\text{Cov}(t_i, t_j)\) 的符号,证明在常见条件下 \(V_2(t) > 0\)。
  3. 主要结论:FDP 的渐近方差在弱相依下由 \(V_1(t) + V_2(t)\) 给出,且 \(V_2(t)\) 通常为正,意味着相依性会放大 FDP 的不确定性;数值实验和真实 GWAS 数据分析验证了这一结论。

关键设定与假设

  • 设定:\(Z \sim N(\mu, \Sigma)\),\(\Sigma\) 对角为 1,满足弱相依条件 \(\sum_{i,j} |\sigma_{ij}| = O(p^{2-\delta})\)。
  • 假设:
  • (5) 弱相依条件:\(\sum_{i,j} |\sigma_{ij}| = O(p^{2-\delta})\)。
  • (7) 零假设内部的相关性不能太弱:\(\sum_{i \neq j; i,j \in H_0} \sigma_{ij}^2 \geq C \cdot \frac{\phi(z_{t/2})|z_{t/2}|}{\max_t} \sum_{i \in H_1, j \in H_0, \mu_i \in [-\mu_t, \mu_t]} \sigma_{ij}^2\)。这个条件保证 \(V_2(t)\) 中的"零假设内部正相关项"占主导。
  • (8) 零假设内部的相关性不能太强:\(\sum_{i \neq j; i,j \in H_1} \sigma_{ij}^2 \leq C(\sum_{i \neq j; i,j \in H_0} \sigma_{ij}^2 + p)\)。这个条件保证备择假设内部的相关性不会"淹没"零假设内部的贡献。
  • (9) 四阶矩条件:\(\sum_{i \neq j} \sigma_{ij}^4 = o(\sum_{i \neq j; i,j \in H_0} \sigma_{ij}^2 + p_0)\)。这个条件保证高阶项可以忽略。
  • 与已有文献的比较:相比 Fan et al. (2012) 只证明 FDP 的相合性,本文增加了对二阶矩(方差)的刻画;相比 Delattre and Roquain (2016) 在特殊相依结构下的结果,本文在更一般的弱相依框架下给出了统一的方差公式。

主要结果

  • Theorem 1(渐近展开):在假设 (5)、(7)–(9) 下,FDP\((t)\) 可以展开为:
    \[\text{FDP}(t) = \frac{\mathbb{E}\bar{V}}{\mathbb{E}\bar{R}} + m(\bar{V}, \bar{R}) + r(\bar{V}, \bar{R}),\]
    其中 \(m(\bar{V}, \bar{R})\) 是均值为零的线性项,\(r(\bar{V}, \bar{R})\) 是余项且满足 \(\mathbb{E}[r^2] = o(\text{Var}[m])\)。这意味着 FDP 的方差主要由 \(m\) 的方差决定。
  • Corollary 1(方差公式):FDP 的渐近方差为 \(V_1(t) + V_2(t)\),其中:
  • \(V_1(t)\) 是独立情形的方差,由 \(p_0, p_1, t, \bar{\xi}\) 决定;
  • \(V_2(t)\) 是相依性修正项,由 \(\sum_{i<j} \text{Cov}(t_i, t_j)\) 的加权和决定,具体分为零假设内部、备择假设内部、以及零-备之间的协方差贡献。
  • Theorem 2(协方差符号):
  • (a) 两个零假设检验的 \(t_i, t_j\) 正相关(\(\text{Cov}(t_i, t_j) > 0\));
  • (b) 一个零假设和一个备择假设检验的 \(t_i, t_j\) 在信号足够强时负相关(\(\text{Cov}(t_i, t_j) < 0\));
  • (c) 两个备择假设检验的 \(t_i, t_j\) 在相关性方向与信号方向一致时正相关。
  • Theorem 3(方差膨胀):在 Theorem 2 的条件下,\(V_2(t) > 0\),即相依性总是增大 FDP 的方差。

证明路线与技术技巧

  1. 整体路线:
  2. Step 1:将 FDP\((t)\) 表示为 \(\bar{V}/\bar{R}\),并在 \((\mathbb{E}\bar{V}, \mathbb{E}\bar{R})\) 处做二阶泰勒展开。
  3. Step 2:利用多元正态分布的性质,计算 \(\bar{V}\)、\(\bar{R}\) 的方差和协方差,将其表示为 \(\sigma_{ij}\) 的加权和。
  4. Step 3:利用弱相依条件 (5) 和四阶矩条件 (9),证明余项 \(r(\bar{V}, \bar{R})\) 的均方误差远小于主项 \(m(\bar{V}, \bar{R})\) 的方差。
  5. Step 4:通过分析 \(\text{Cov}(t_i, t_j)\) 的符号(Theorem 2),证明 \(V_2(t) > 0\)。

  6. 关键技巧:

  7. 泰勒展开的余项控制:作者将余项 \(r(\bar{V}, \bar{R})\) 分解为多个部分,分别用 Cauchy-Schwarz 不等式和弱相依条件 (5) 进行上界估计。关键在于利用 \(\sum_{i,j} |\sigma_{ij}| = O(p^{2-\delta})\) 来控制高阶矩的累积。
  8. 协方差符号的判定:利用 Lemma 6 给出的 \(\partial \text{Cov}(t_i, t_j)/\partial \sigma_{ij}\) 的显式表达式,结合 \(\sigma_{ij}\) 的符号和 \(\mu_i, \mu_j\) 的大小关系,判定 \(\text{Cov}(t_i, t_j)\) 的符号。这避免了直接计算复杂的四重积分。
  9. PFA 方法的应用:虽然本文的理论框架是弱相依的,但在数值实验和真实数据分析中,作者采用了 Fan et al. (2012) 的 PFA 方法将任意相依性约化为弱相依性,从而验证了理论结果在更广泛场景下的适用性。

真实例子与应用

  • 模拟实验:作者设计了 7 种不同的相依结构(M1–M7),包括独立、均匀相关、因子模型、稀疏相关等。对于每种结构,比较了 FDP 的样本标准差(Emp)与理论渐近标准差(Asym),发现两者非常接近,验证了 Corollary 1 的准确性。特别地,M1(独立)的 Asym 显著小于其他模型,说明相依性确实增大了 FDP 的方差。
  • GWAS 数据分析:使用国际 HapMap 项目的基因表达数据(约 210 个样本,数千个 SNP),对基因 CCT8 的表达水平与 SNP 基因型进行关联检验。作者分别计算了在独立假设和相依性假设下的 FDP 标准差估计,发现相依性假设下的标准差是独立假设下的 4–7 倍。这一结果说明,忽略相依性会严重低估 FDP 的不确定性,可能导致对多重检验结果的过度自信。

🔎 结论是否比证明窄

  • Theorem 2(b) 的条件:负相关结论要求 \(| \mu_j | > 2|z_{t/2}|\) 且 \(t < 2\{1 - \Phi^{-1}(\sqrt{\log(3)}/2)\} \approx 0.46\)。作者在讨论中承认,当信号较弱或阈值较大时,负相关可能不成立,但未给出反例或更一般的条件。
  • Theorem 3 的充分性:作者证明的是 \(V_2(t) > 0\) 的充分条件,而非必要条件。在数值实验中,作者观察到即使某些条件不满足(如 M3 中大部分 \(\sigma_{ij}\) 为零),\(V_2(t)\) 仍然为正,但这一现象未被理论解释。
  • 正态性假设:全文假设检验统计量服从多元正态分布。作者在讨论中提到推广到非正态分布是未来工作,但未给出任何具体思路或初步结果。

四、开放问题

  1. 非正态分布的推广:本文的核心技术依赖于多元正态分布的矩计算。对于 \(t\) 统计量、\(F\) 统计量等非正态情形,FDP 的渐近方差如何刻画?作者在讨论中承认这是未来工作,但未给出任何线索。(扎根于 Section 6 最后一段:"It would be of great both practical and theoretical value to generalize our study to accommodate other popular distributions, e.g., t, F, and chi-square distributions.")

  2. 任意相依性的处理:本文的弱相依条件 (5) 排除了强相依(如长程相关)的情形。对于强相依的检验统计量,FDP 的渐近方差是否仍然由 \(V_1(t) + V_2(t)\) 给出?还是需要全新的理论框架?(扎根于 Section 1 对 Fan et al. 2012 的讨论,作者明确将本文限制在弱相依框架内。)

  3. \(\pi_0\) 估计的影响:本文的方差公式依赖于 \(p_0\)(真零假设个数),但在实践中 \(p_0\) 未知,需要估计。作者在数值实验中使用了真实的 \(p_0\),但未讨论 \(\pi_0\) 估计误差如何传播到 FDP 的方差估计中。(扎根于 Section 4 的估计方法,作者仅提到"we estimate only \((\mu_1, \ldots, \mu_p)^T\)",未涉及 \(\pi_0\) 的不确定性。)

  4. FDP 方差的置信区间:本文给出了 FDP 方差的点估计,但未构造其置信区间。考虑到 \(\Sigma\) 本身也需要估计,如何刻画方差估计的不确定性是一个自然延伸。(扎根于 Section 4 的估计方法,作者未讨论方差估计的渐近分布。)

  5. 相依性方向的影响:Theorem 2 表明,零假设内部的协方差总是增大 FDP 方差,但零-备之间的协方差在信号足够强时减小 FDP 方差。这种"抵消效应"在什么条件下占主导?是否可能导致 \(V_2(t) < 0\)?(扎根于 Theorem 2(b) 的负相关结论,作者未讨论 \(V_2(t)\) 可能为负的情形。)


提示:若要确认上述开放问题是否是真 gap,建议检索近 5 年(2020–2025)关于"FDP uncertainty"、"multiple testing under dependence"、"false discovery proportion variance" 的文献。若多篇近期论文都指向同一问题,则大概率是共识性 gap;若各论文给出的答案互相矛盾,则可能是更值得深挖的机会。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论