A Permutation Approach to Testing Interactions for Binary Response by Comparing Correlations Between Classes
通过类别间相关性比较检验二元响应交互作用的置换方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究基因数据中的通用二元响应交互检验，未提供经济离散选择模型的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
通过类别间相关性比较检验二元响应交互作用的置换方法
- 研究问题
- 高维二元响应分析中，如何检验边际交互作用，减少对模型设定和渐近名义显著性水平的依赖，并处理存在主效应的情形？
- 方法与思路
- 作者搜索两个响应类别之间存在差异的成对相关性，以置换方式检验边际交互，并与逐对拟合 Logistic 模型的方法比较。
- 材料陈述的贡献
- 摘要报告模拟中检出更多交互且错误发现率更低，并给出渐近一致性结果；真实基因数据用于展示潜在信号解释。
- 阅读关注点
- 阅读时应核对类别间相关差异与交互的关系、置换方案及其有效条件，以及主效应、多重检验和模拟比较的具体处理。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；一致性条件未展开，真实数据没有金标准，信号解释不能视为交互已被验证或刊本核验结果。
原文摘要
To date testing interactions in high dimensions is a challenging task. Existing methods often have issues with sensitivity to modeling assumptions and heavily asymptotic nominal p-values. To help alleviate these issues, we propose a permutation-based method for testing marginal interactions with a binary response. Our method searches for pairwise correlations that differ between classes. In this article, we compare our method on real and simulated data to the standard approach of running many pairwise logistic models. On simulated data our method finds more significant interactions at a lower false discovery rate (especially in the presence of main effects). On real genomic data, although there is no gold standard, our method finds apparent signal and tells a believable story, while logistic regression does not. We also give asymptotic consistency results under not too restrictive assumptions. Supplementary materials for this article are available online.