(3.236.231.14) 您好！臺灣時間：2021/04/15 07:37

詳目顯示:::

:

• 被引用:0
• 點閱:279
• 評分:
• 下載:0
• 書目收藏:0
 多重檢定方法下, 若採取個別對一個統計假設以相同的型一誤差水準來檢定, 會造成整體檢定的型一誤差過大; 因此以族誤差率(Family-Wise Error Rate, 簡稱 FWER)來控制型一誤差率, 但檢定之檢定力較低, Benjamini 和 Hochberg (1995) 年提出以偽陽性(False Discovery Rate, 簡稱 FDR)作為型一誤差率的衡量。近年來學者不斷提出新的檢定方法, 使得型一誤差控制在 FDR 之下, 檢定方法提供較大的檢定力。一般之檢定方法在假設間獨立時尚能控制型一誤, 但在假設相依時, 檢定通常會低估型一誤。利用重覆取樣可以處理相依資料的特性, Westfall 和 Young(1993) 提出以重複取樣的過程來控制 FWER 之後, 後來不斷的有學者提出以重複取樣的過程來控制 FDR 的檢定方法。在檢測方法之表現時, 學者一般著重在型一誤差及檢定力, 但在多重假設下, 仍需看專一性, 偽陰性及 FWER 之表現。Chu(2006) 探討了許多未重覆控制 FDR 之檢定方法在五種之標下的表現, 本論文將在資料相依等情況下, 以五種指標來評量利用重覆取樣的檢定方法, 以期給出各準則之適用時機。
 The most common problem occurred in multiple hypothesis testing is the inflation of Type I error rate. The Family-Wise Error Rate FWER) is the most commonly used Type I error rate. Under such controls, the procedures are often too conservative. Benjamini and Hochberg (1995) proposed using False Discovery Rate (FDR) as the Type I error rate. Many new FDR controlling procedures have been proposed since. These procedures are shown to control the FDR under independence. Using the resampling techniques, Westfall and Young (1993) proposed FWER controlling resampling methods which are showed to control FWER better when data are dependent. When evaluating the performance of the procedures, researchers are often focused on the ability to control Type I error and the power of testing procedures, there are False Non-Discovery Rate (FNDR), FWER, sensitivity and specificity. Chu (2006) evaluated the FDR controlling procedures based on five indices. This research is focused on FDR controlling-resampling methods based on five indices under various environment settings, the number of null hypothesis, sample size, proportion of true null hypotheses and correlations of test statistics. Simulation results reveal that different testing procedures perform differently in specificity, sensitivity, FNDR and FWER. The results can give guidances to choose appropriate testing procedures which can fit their specific research aim.
 1 前言2 研究方法 2.1 背景 2.2 多重假設檢定方法 2.2.1 無重抽過程檢定法 2.2.2 有重抽過程檢定法 2.2.3 評量指標3 統計模擬 3.1 虛無假設的設定與資料模擬 3.2 檢定統計量的設定與 $p$ 值的計算 3.3 研究參數設定4 模擬結果討論 4.1 不同$\tau_0$的比較 4.2 檢定結果 U, V, S, T, R, W 討論 4.2.1 m 變動對 U, V, S, T, R, W 的影響 4.2.2 n 變動對 U, V, S, T, R, W 的影響 4.2.3 $i_0$ 變動對 U, V, S, T, R, W 的影響 4.2.4 $\rho$ 變動對 U, V, S, T, R, W 的影響 4.3 單一參數變動 4.3.1 m 變動下對各檢定方法指標的影響 4.3.2 n 變動下對各檢定方法指標的影響 4.3.3 $i_0$ 變動下對各檢定方法指標的影響 4.3.4 $\rho$ 變動下對各檢定方法指標的影響 4.4 三參數變動 4.4.1 $m, n, i_0$ 變動時指標的趨勢與各法所適用的情況 4.4.2 $m, n, \rho$ 變動時指標的趨勢與各法所適用的情況 4.4.3 $m, i_0, rho$ 變動時指標的趨勢與各法所適用的情況 4.5 $\Sigma_1$ 與 $\Sigma_2$ 的討論5 結論
 Benjamini, Y., Hochberg, Y. (1995). Controlling the false discovery rate: a practical and powerful approach to multiple testing. J. R. Statist. Soc. B,57, 289-300Benjamini, Y., Krieger, A. M., Yekutieli, D. (2005). Adaptive linear step-up procedures that control the false discovery rate. Biometrika 93, 3, 491-507Benjamini, Y., Yekutieli, D. (2005). Quantitative trait loci analysis using the false discovery rate. Genetics 171, 783-790Efron, B. (1979) Bootstrap method: Another look at the jackknife.The Annals of Statistics 7, 1-26Ge, Y., Dudoit S., Speed, T. P (2003). Resampling-based multiple testing for microarray data analysis. Test, 12,1-77Storey, J. D. (2001) The positive false discovery rate: A Bayesian interpretation and q-value. The Annals of Statistics Vol. 31, No. 6, 2013-2035Storey, J. D., Tibshirani, R. (2001). Estimating false discovery rates under dependence, with applications to DNA microarrays. Technical Report 2001-28Storey, J. D. (2002) A direct approach to false discovery rates.J. R. Statist. Soc. B, 64, 479-498Westfall, P. H., Young, S. S. (1993). Resampling-based multiple testing. Wiley, New York.Yekutieli, D., Benjamini, Y. (1999). Resampling-based false discovery rate controlling multiple test procedures for correlated test statistics.Statistical Planning and Inference 82, 171-196朱是鍇 (2006). 控制 FDR 多重檢定法的比較。 台北大學統計學系碩士論文。
 國圖紙本論文
 推文當script無法執行時可按︰推文 網路書籤當script無法執行時可按︰網路書籤 推薦當script無法執行時可按︰推薦 評分當script無法執行時可按︰評分 引用網址當script無法執行時可按︰引用網址 轉寄當script無法執行時可按︰轉寄

 1 控制FDR多重檢定法的比較 2 以現場介入探討鋼鐵業ＭＳＤｓ適用性 3 台灣性侵害加害人再犯調查與靜態因素九九評估量表適用性之探討 4 嬰幼兒綜合發展測驗動作分測驗同時效度與診斷效率檢測 5 出院準備服務危險因子篩選量表之建立--以神經科病人為例 6 探討以真實虛無假設個數估計量修正控制FDR之多重比較法 7 住宅抵押貸款逾期率之廣義線性模型研究 8 0-3歲華語嬰幼兒溝通及語言發展篩檢測驗同時效度與預測效度之研究 9 利用肥胖指標預測代謝症候相關疾病最適切點探討 10 控制FWER下運用重覆抽樣技巧的多重檢定法之比較 11 精神分裂症病人出院準備服務危險因子篩選量表之建立 12 子宮頸癌前病變之危險因子及其抹片篩檢效度分析 13 結核病診斷工具之探討 14 房屋貸款違約危險因子暨預測模型之探討 15 以偽發現率為基礎評估逐步向上與逐步向下之程序

 無相關期刊

 1 控制FDR多重檢定法的比較 2 探討以真實虛無假設個數估計量修正控制FDR之多重比較法 3 控制FWER多重假設檢定法的比較 4 多重檢定中檢定統計量相關下虛無假設為真個數的估計 5 真實虛無假設個數估計方法與修正控制FDR檢定之探討 6 控制FWER下運用重覆抽樣技巧的多重檢定法之比較 7 統計製程管制第一階段分析之新策略 8 多重檢定中估計虛無假設為真的個數之研究 9 A Comparative Study of Three Multiple Testing Procedures 10 大型資料相關性研究之多重檢定問題 11 利用FDR就共變數加以調整之多重假設檢定 12 DNA微陣列基因多重檢定比較之問題 13 應用資料採礦與果蠅演算法建構財務危機預警模型－以台灣上市櫃公司為例 14 應用SIBTEST改進題組效果對檢測差異題組功能之影響 15 多重基因－疾病關聯性檢定之研究

 簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室