Joint testing and false discovery rate control in high-dimensional multivariate regression
高维多元回归中的联合检验与错误发现率控制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：摘要研究通用高维多元回归检验，应用为基因调控；没有明确涉及所列经济或金融细分研究对象。
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
高维多元回归中的联合检验与错误发现率控制
- 研究问题
- 高维多元回归中，如何联合检验一个协变量与多个响应的关联，并在筛选相关协变量时控制错误发现比例和错误发现率？
- 方法与思路
- 作者基于逆回归与偏差校正的 group lasso 构造检验统计量，建立渐近卡方零分布，并设计按系数矩阵行进行的多重检验。
- 材料陈述的贡献
- 摘要称程序渐近控制预设水平的错误发现比例与错误发现率；模拟显示相对逐元素检验的功效增益，并提供癌症数据应用。
- 阅读关注点
- 应核对高维增长、稀疏性和响应依赖等具体条件，以及行级假设、偏差校正和多重检验阈值如何共同保证渐近控制。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明渐近条件，有限样本控制及普遍功效优势不能据此判断。
原文摘要
Multivariate regression with high-dimensional covariates has many applications in genomic and genetic research, in which some covariates are expected to be associated with multiple responses. This paper considers joint testing for regression coefficients over multiple responses and develops simultaneous testing methods with false discovery rate control. The test statistic is based on inverse regression and bias-corrected group lasso estimates of the regression coefficients and is shown to have an asymptotic chi-squared null distribution. A row-wise multiple testing procedure is developed to identify the covariates associated with the responses. The procedure is shown to control the false discovery proportion and false discovery rate at a prespecified level asymptotically. Simulations demonstrate the gain in power, relative to entrywise testing, in detecting the covariates associated with the responses. The test is applied to an ovarian cancer dataset to identify the microRNA regulators that regulate protein expression.