Two-sample tests of high-dimensional means for compositional data
高维组成数据均值的两样本检验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：摘要研究微生物组成数据的高维均值检验，未涉及分布处理效应或其他给定计量细分的明确研究对象。
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
高维组成数据均值的两样本检验
- 研究问题
- 组成数据受相对比例结构约束时，如何比较两组潜在对数基向量的均值，并形成可由观测组成检验的等价假设？
- 方法与思路
- 作者通过中心化对数比变换构造两样本检验，推导原假设下的渐近分布，研究稀疏备择功效并扩展至配对样本。
- 材料陈述的贡献
- 摘要称提出组成均值等价性的可检验表述，模拟中较直接检验原始或对数组成更有功效，并提供肠道微生物应用。
- 阅读关注点
- 应核对组成等价性的定义与可识别内容、变换所需的数据条件，以及高维渐近假设、稀疏备择和配对扩展。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未说明零组成值的处理和具体维度条件，模拟优势不适用于所有组成数据。
原文摘要
Compositional data are ubiquitous in many scientific endeavours. Motivated by microbiome and metagenomic research, we consider a two-sample testing problem for high-dimensional compositional data and formulate a testable hypothesis of compositional equivalence for the means of two latent log basis vectors. We propose a test through the centred log-ratio transformation of the compositions. The asymptotic null distribution of the test statistic is derived and its power against sparse alternatives is investigated. A modified test for paired samples is also considered. Simulations show that the proposed tests can be significantly more powerful than tests that are applied to the raw and log-transformed compositions. The usefulness of our tests is illustrated by applications to gut microbiome composition in obesity and Crohn’s disease.