梁法明;薛京南;贾伯超 用于高维推理的马尔可夫邻域回归。 （英语） Zbl 1506.62106号 美国统计协会。 117，编号539，1200-1214（2022）. 摘要：本文提出了一种创新的方法，用于构造高维线性模型统计推断中的置信区间和评估（p）值。该方法成功地将高维推理问题分解为一系列低维推理问题：对于每个回归系数，置信区间和-通过对根据相应变量（X_i）和其他变量之间的条件独立关系选择的变量子集进行回归计算值。由于变量子集在所有变量（X_1，X_2，dots，X_p）组成的马尔可夫网络中形成了一个马尔可夫邻域（X_i），因此该方法被称为马尔可夫邻居回归（MNR）。该方法在高维线性、logistic和Cox回归上进行了测试。数值结果表明，该方法明显优于现有方法。基于MNR，提出了一种学习高维线性模型因果结构的方法，并将其应用于药物敏感基因和癌症驱动基因的识别。使用条件独立关系进行降维的想法很普遍，也可能扩展到其他高维或大数据问题。 理学硕士： 62-08 统计问题的计算方法 62G08号 非参数回归和分位数回归 62H22个 概率图形模型 62页第10页 统计学在生物学和医学中的应用；元分析 68T05型 人工智能中的学习和自适应系统 关键词：因果结构发现;置信区间;高斯图形模型;\（p\）-值 软件：姐妹;BMSS公司;玻璃制品;cov测试;TETRAD公司 PDF格式BibTeX公司 XML格式引用 \textit{F.Liang}et al.，J.Am.Stat.Assoc.117，No.539，1200--1214（2022；Zbl 1506.62106） 全文： 内政部 arXiv公司 链接 参考文献： [1] Aliferis，C。；Statnikov，A。；沙马尔迪诺斯一世。；马尼，S。；Koutsoukos，X.D.，“用于因果发现和分类特征选择的局部因果和马尔可夫覆盖归纳，第一部分：算法和实证评估”，《机器学习研究杂志》，11，171-234（2010）·Zbl 1242.68197号 [2] 巴雷蒂纳，J。；Caponigro，G。；斯特兰斯基，N。；肯塔基州文凯特桑。；Margolin，A.A。；Kim，S。；Wilson，C.J。；Lehár，J。；Kryukov，G.V。；Sonkin博士。；A.Reddy。；刘，M。；Murray，L。；伯杰，M.F。；莫纳汉，J.E。；Morais，P。；梅尔泽，J。；Korejwa，A。；Jané-Valbuena，J。；马帕，F.A。；Thibault，J。；Bric-Furlong，E。；Raman，P。；Shipwayn，A。；恩格斯，I.H。；Cheng，J。；Yu，G.K。；Yu，J。；Aspesi，P。；德席尔瓦，M。；贾格塔普，K。；医学博士琼斯。；Wang，L。；哈特顿，C。；Palescandolo，E。；古普塔，S。；马汉，S。；Sougnez，C。；奥诺弗里奥，R.C。；利菲尔德，T。；MacConaill，L。；温克勒，W。；Reich，M。；李，N。；梅西洛夫，J.P。；加布里埃尔，S.B。；盖茨，G。；Ardlie，K。；Chan，V。；Myer，V.E。；韦伯，B.L。；波特，J。；Warmuth，M。；菲南，P。；哈里斯，J.L。；Meyerson，M。；Golub，T.R。；莫里西，M.P。；Sellers，W.R。；施莱格尔，R。；Garraway，L.A.，“癌症细胞系百科全书支持抗癌药物敏感性的预测建模，自然，483，603-607（2012）·doi:10.1038/nature11003 [3] 贝洛尼，A。；切尔诺朱科夫，V。；Kato，K.，“最小绝对偏差回归和其他Z估计问题的统一选择后推断，生物特征，102，77-94（2015）·Zbl 1345.62049号 ·doi:10.1093/biomet/asu056 [4] 伯克，R。；布朗，L。；布贾，A。；张凯。；Zhao，L.，“有效的选举后推断，统计年鉴，41，802-837（2013）·Zbl 1267.62080号 ·doi:10.1214/12-AOS1077 [5] 鲍曼，E。；坎贝尔，J。；Druey，K。；Scheschonka，A。；Kehrl，J。；Butcher，E.，“RGS（G蛋白信号调节器）家族成员对趋化性和前粘附性受体反应的调节”，《生物化学杂志》，27328040-28048（1998）·doi:10.1074/jbc.273.43.28040 [6] Bühlmann，P.，“高维线性模型的统计显著性”，伯努利，19，1212-1242（2013）·Zbl 1273.62173号 ·doi:10.3150/12-BEJSP11 [7] Bühlmann，P。；Kalisch，M。；Maathuis，M.，“高维线性模型中的变量选择：部分信度分布和PC-Simple算法”，生物特征，97，261-278（2010）·Zbl 1233.62135号 ·doi:10.1093/biomet/asq008 [8] Bühlmann，P。；van de Geer，S.，《高维数据统计：方法、理论和应用》（2011），纽约：施普林格出版社，纽约·Zbl 1273.62015年 [9] Buzdar，A.，“生物治疗和化疗在激素受体和HER2阳性乳腺癌中的作用，肿瘤学年鉴，20993-999（2009）·doi:10.1093/annonc/mdn739 [10] 查特吉，A。；Lahiri，S.，“自适应LASSO估计对Oracle分布的收敛速度和Bootstrap的高阶改进，统计年鉴，411232-1259（2013）·Zbl 1293.62153号 ·doi:10.1214/13-AOS1106 [11] Cox，D.，“部分可能性，生物特征，62，269-276（1975）·Zbl 0312.62002号 ·doi:10.1093/biomet/62.2.269 [12] Dezeure，R。；Bühlmann，P。；Meier，L。；Meinshausen，N.，“高维推断：置信区间、p值和R软件hdi”，《统计科学》，第30期，第533-558页（2015年）·Zbl 1426.62183号 ·doi:10.1214/15-STS527 [13] Dobra，A.，“全基因组数据的变量选择和依赖网络，生物统计学，10621-639（2009）·Zbl 1437.62444号 ·doi:10.1093/biostatistics/kxp018 [14] 多尔曼，S。；巴拉诺瓦，K。；诺尔，J。；Urquhart，B。；Mariani，G。；Carcangiu，M.（卡康吉乌，M.）。；Rogan，P.，“通过机器学习获得的乳腺癌中紫杉醇和吉西他滨耐药的基因组特征，分子肿瘤学，10，85-100（2016）·doi:10.1016/j.molonc.2015.07.006 [15] 范，J。；郭，S。；Hao，N.，“超高维回归中使用重新拟合交叉验证的方差估计，皇家统计学会期刊，B辑，74，37-65（2012）·Zbl 1411.62199号 ·文件编号：10.1111/j.1467-9868.2011.01005.x [16] 范，J。；Li，R.，“通过非凹惩罚似然的变量选择及其Oracle特性”，《美国统计协会杂志》，961348-1360（2001）·Zbl 1073.62547号 ·doi:10.1198/016214501753382273 [17] 范，J。；Lv，J.，“超高维特征空间的确定独立筛选”（含讨论），《皇家统计学会杂志》，B辑，70849-911（2008）·Zbl 1411.62187号 ·doi:10.1111/j.1467-9868.2008.00674.x [18] 范，J。；Peng，H.，“具有不同参数数的非证实惩罚可能性”，《统计年鉴》，32928-961（2004）·Zbl 1092.62031号 ·doi:10.1214/009053604000000256 [19] 范，J。；Song，R.，“具有NP维的广义线性模型中的确定独立性筛选”，《统计年鉴》，38，3567-3604（2010）·兹比尔1206.68157 ·doi:10.1214/10-AOS798 [20] Fithian，W.、Sun，D.和Taylor，J.（2014），“模型选择后的最佳推断”，arXiv编号1410.2597。 [21] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，“用图形拉索进行稀疏逆协方差估计，生物统计学，9，432-441（2008）·Zbl 1143.62076号 ·doi:10.1093/biostatistics/kxm045 [22] 盖瑟，A。；波特，D。；姚，Y。；Borawski，J。；Yang，G。；多诺万，J。；Sage，D。；斯利兹，J。；Tran，M。；斯特劳布，C。；拉姆齐，T。；尤尔根科，V。；黄，A。；陈，Y。；施莱格尔，R。；拉博，M。；Fawell，S。；Sellers，W。；Zawel，L.，“Smac模拟救援筛选揭示凋亡蛋白抑制剂在肿瘤坏死因子-Alpha信号传导中的作用，癌症研究，6711493-11498（2007）·doi:10.1158/0008-5472.CAN-07-5173 [23] Grünwald，V.公司。；Hidalgo，M.，“开发用于癌症治疗的表皮生长因子受体抑制剂，国家癌症研究所杂志，95，851-867（2003）·doi:10.1093/jnci/95.12.851 [24] 哈德利，K。；Hendricks，D.，“使用NQO1状态作为对17-AAG更敏感的食管鳞癌的选择性生物标记物，BMC癌症，14，1-8（2014）·doi:10.1186/1471-2407-14-334 [25] 汉斯，C。；多布拉，A。；West，M.，“使用多个候选预测因子进行回归的枪式随机搜索，美国统计协会杂志，102507-516（2007）·Zbl 1134.62398号 ·doi:10.1198/0162145000000121 [26] Holm，S.，“简单序贯拒绝多重测试程序”，《斯堪的纳维亚统计杂志》，第6期，第65-70页（1979年）·Zbl 0402.62058号 [27] 爪哇马德，A。；Montanari，A.，“高维回归的置信区间和假设检验”，《机器学习研究杂志》，第15期，第2869-2909页（2014年）·Zbl 1319.62145号 [28] 贾，B。；梁，F。；Shi，R。；Xu，S.（2018） [29] Lauritzen，S.，《图形模型》（1996），牛津：牛津大学出版社，牛津·Zbl 0907.62001 [30] 劳伦斯，R。；Salgia，R.，“MET分子机制与肺癌治疗”，《细胞粘附与迁移》，第4146-152页（2010年） [31] Lee，H。；Hanibuchi，M。；Lim，S.-J。；Yu，H。；Kim，M。；He，J。；兰利，R。；Lehembre，F。；美国雷根纳斯。；Fidler，I.，“内皮素受体双重拮抗剂Macitetan与紫杉醇联合治疗小鼠实验性人类乳腺癌和肺癌脑转移，神经肿瘤学，18，486-496（2016）·doi:10.1093/neuonc/now037 [32] Lee，法学博士。；Hastie，T.J.，“学习混合图形模型的结构，计算与图形统计杂志，24，230-253（2015）·doi:10.1080/10618600.2014.900500 [33] Lee，法学博士。；Sun，D.L。；孙，Y。；Taylor，J.E.，“精确的选举后推断，及其在拉索中的应用”，《统计年鉴》，44，907-927（2016）·Zbl 1341.62061号 ·doi:10.1214/15-AOS1371 [34] 梁，F。；宋，Q。；邱，P.，“高维高斯图形模型偏相关系数的等效度量，美国统计协会杂志，110，1248-1265（2015）·Zbl 1373.62287号 ·doi:10.1080/01621459.2015.1012391 [35] 梁，F。；宋，Q。；Yu，K.，“高维广义线性模型的贝叶斯子集建模，美国统计协会杂志，108，589-606（2013）·Zbl 06195963号 ·doi:10.1080/01621459.2012.761942 [36] 梁，F。；Zhang，J.，“使用随机近似估计一般依赖下的FDR，生物统计学，95961-977（2008）·Zbl 1437.62525号 ·doi:10.1093/biomet/asn036 [37] 刘，Y。；Yu，B.，稀疏高维线性回归中Lasso+mLS和Lasso+Ridge的渐近性质，电子统计学杂志，73124-3169（2013）·Zbl 1281.62158号 [38] 罗克哈特。；泰勒，J。；Tibshirani，R。；Tibshirani，B.，“对拉索的重大测试，《统计年鉴》，42413-468（2014）·Zbl 1305.62254号 ·doi:10.1214/13-AOS1175 [39] McCullagh，P。；Nelder，J.A.，《广义线性模型》（1989），伦敦：查普曼和霍尔出版社，伦敦·Zbl 0744.62098号 [40] Meek，C.，《因果推理和背景知识因果解释》，403-410（1995） [41] Meier，L。；Dezeure，R。；明绍森，N。；Maechler，M。；Buehlmann，P.，“高维推断”（2016） [42] Meinshausen，N.，“松弛拉索，计算统计与数据分析，52，374-393（2007）·Zbl 1452.62522号 [43] Meinshausen，N.，“组约束：设计上无假设稀疏高维回归中变量组的置信区间”，《皇家统计学会杂志》，B辑，77，923-945（2015）·Zbl 1414.62060号 [44] 明绍森，N。；Bühlmann，P.，“高维图和拉索变量选择，统计年鉴，341436-1462（2006）·Zbl 1113.62082号 ·doi:10.1214/0090536000000281 [45] 明绍森，N。；Meier，L。；Bühlmann，P.，“高维回归的P值，美国统计协会杂志，1041671-1681（2009）·Zbl 1205.62089号 ·doi:10.198/jasa.2009.tm08647 [46] Moriwaki，K。；Bertin，J。；戈夫，P。；奥洛夫斯基，G。；Chan，F.，“RIPK1和RIPK3在肿瘤坏死因子诱导的坏死和化疗药物诱导的细胞死亡、细胞死亡和疾病中的差异作用，6，e1636（2015） [47] Ooe，A。；加藤，K。；Noguchi，S.，“CCT5、RGS3和YKT6基因在p53突变肿瘤中上调对人类乳腺癌多西紫杉醇耐药的可能参与，乳腺癌研究与治疗，101，305-315（2007）·数字对象标识代码：10.1007/s10549-006-9293-x [48] Pellet，J.-P。；Elisseeff，A.，“使用马尔可夫毛毯进行因果结构学习”，《机器学习研究杂志》，9，1295-1342（2008）·Zbl 1225.68205号 [49] 萨尔达纳，D。；Feng，Y.，“SIS：超高维统计模型中确定独立性筛选的R包，统计软件杂志，83，1-25（2018）·doi:10.18637/jss.v083.i02 [50] 宋，Q。；Liang，F.，“利用L1-正则化进行高维变量选择，美国统计协会杂志，110，1607-1620（2015）·兹比尔1373.62358 ·doi:10.1080/01621459.2014.984812 [51] 宋，Q。；Liang，F.，“超高维回归的分裂合并贝叶斯变量选择方法”，《皇家统计学会杂志》，B辑，77，947-972（2015）·Zbl 1414.62322号 [52] Spirtes，P。；Glymour，C。；Scheines，R.，因果、预测和搜索（2000），波士顿：麻省理工学院出版社，波士顿·Zbl 0806.62001 [53] Storey，J.，“错误发现率的直接方法”，《皇家统计学会杂志》，B辑，64，479-498（2002）·Zbl 1090.62073号 ·doi:10.1111/1467-9868.00346 [54] Tibshirani，R.，“通过LASSO进行回归收缩和选择，皇家统计学会期刊，B辑，58，267-288（1996）·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x [55] Tibshirani，R.J。；泰勒，J。；罗克哈特。；Tibshirani，R.，“序列回归程序的精确选择后推断”，《美国统计协会杂志》，111600-620（2016）·doi:10.1080/01621459.2015.1108848 [56] van de Geer，S。；Bühlmann，P.，“关于用于证明Oracle Lasso结果的条件，电子统计杂志，31360-1392（2009）·Zbl 1327.62425号 ·doi:10.1214/09-EJS506 [57] van de Geer，S。；Bühlmann，P。；Ritov，Y。；Dezeure，R.，“关于高维模型的渐近最优置信区域和测试，统计年鉴，42，1166-1202（2014）·Zbl 1305.62259号 ·doi:10.1214/14-AOS1221 [58] Wasserman，L。；Roeder，K.，“高维变量选择，统计年鉴，372178-2201（2009）·兹比尔1173.62054 ·doi:10.1214/08-aos646 [59] 维滕，D。；弗里德曼，J。；Simon，N.，“图形套索的新见解和更快的计算，计算与图形统计杂志，20892-900（2011）·doi:10.1198/jcgs.2011.11051a [60] 徐，S。；贾，B。；Liang，F.，“混合数据高维贝叶斯网络构建中的道德图学习，神经计算，311183-1214（2019）·Zbl 1471.92136号 ·doi:10.1162/necoa_01190 [61] 薛，J。；Liang，F.，“超高维数据的稳健无模型特征筛选方法，计算与图形统计杂志，26，803-818（2017）·doi:10.1080/10618600.2017.1328364 [62] Yang，Y.（2017），“通过约束拉索进行高维回归的统计推断”，arXiv编号1704.05098v1。 [63] 袁，M。；Lin，Y.，“高斯图形模型中的模型选择和估计，生物特征，95，19-35（2007）·Zbl 1142.62408号 ·doi:10.1093/biomet/asm018 [64] Zhang，C.-H.，“最小凹板惩罚下的几乎无偏变量选择，统计年鉴，38894-942（2010）·Zbl 1183.62120号 ·doi:10.1214/09-AOS729 [65] 张，C.-H。；Zhang，S.S.，“高维线性模型中低维参数的置信区间”，《皇家统计学会杂志》，B辑，76，217-242（2014）·Zbl 1411.62196号 ·doi:10.1111/rssb.12026 [66] 张，X。；Cheng，G.，“高维线性模型的同时推断”，《美国统计协会杂志》，112757-768（2017）·doi:10.1080/016214519.201611661114 [67] Zoppoli，G。；Regairaz，M。；Leo，E。；Reinhold，W。；瓦尔马，S。；巴列斯特罗，A。；多罗肖，J。；Pommier，Y.，“假定的DNA/RNA螺旋酶Schlafenl1（SLFN11）使癌细胞对DNA损伤剂敏感，美国国家科学院学报，10915030-15035（2012）·doi:10.1073/pnas.1205943109 [68] Zou，H.，“适应性套索及其Oracle属性，统计年鉴，38894-942（2006） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。