Benjamini-Hochberg 의존성 가정이 정당화 되었습니까?

약 50 가지 변수와 관련하여 세 모집단 간의 중요한 차이를 테스트하는 데이터 세트가 있습니다. 나는 Kruskal-Wallis 검정을 사용하고 중첩 GLM 모형 적합 (인구가 독립적 인 변수가 있거나없는)의 우도 비 검정을 사용하여이를 수행합니다.

결과적으로 Kruskal-Wallis 의 목록이 있고 LRT 비교에서 Chi square 이라고 생각 합니다.$p$$p$

50 가지가 넘는 다른 테스트가 있기 때문에 일종의 다중 테스트 수정을 수행해야하며 Benjamini-Hochberg FDR이 가장 합리적인 선택 인 것 같습니다.

그러나 변수는 서로 독립적이지 않으며 여러 "클랜"이 서로 관련되어 있습니다. 문제는 다음과 같습니다. 내 값에 대한 기본 통계 집합이 Benjamini-Hochberg 절차가 여전히 FDR에 구속되는 데 필요한 긍정적 인 의존성 요구 사항을 충족 하는지 어떻게 알 수 있습니까?$p$

2001 년의 Benjamini-Hochberg-Yekutieli 논문은 PRDS 조건이 다변량 정규 분포와 학생 분포를 유지한다고 명시하고 있습니다. 모형 비교에 대한 내 우도 비 검정 카이 제곱 값은 어떻습니까? Kruskal-Wallis 검정 에 대한 은 어떻습니까?$p$

나는 의존성에 대해 아무 것도 가정하지 않는 Benjamini-Hochberg-Yekutieli 최악의 FDR 수정을 사용할 수 있지만,이 경우 너무 보수적이며 관련 신호가 누락 될 수 있다고 생각합니다.

BH 절차의 타당성은 가설 검정이 긍정적으로 의존하는지에 달려 있습니다. 2001 년 논문을 읽으면 다변량 정규화가 필요하지 않다는 것을 알 수 있습니다.

Rosenbaum (1984)의 조건부 (양성) 연관은 PRDS를 암시하기에 충분합니다. $X$ 파티션의 경우 조건부로 연결됩니다. $(X1,$ $X2)$ 의 $X$및 모든 기능 $h(X1), X2$ 주어진 $h(X1)$ 긍정적으로 연관되어 있습니다.

이것들이 당신의 데이터에 대해 합리적인 가정이라고 생각되면, 그것을 가정으로 선언하고 그것을 명확하게하기 위해 충족되지 않은 시나리오를 생각해보십시오.

PRDS는 BH가 FDR을 제어하기에 충분하지만 필요하지 않은 조건입니다. 나는 당신이 그것을 사용하고 일반적인 의존성을 위해 Benjamini-Yekutieli 절차를 사용할 것을 제안합니다. 추론의 차이가 크면 BH가 의존성 구조를 보존하는 순열 또는 리샘플링 기반 기술을 사용하여 특정 설정에서 FDR을 제어한다는 것을 보여주십시오.