- 5 次围观
高维中介变量通常在中介分析之前被压缩为低维得分,但聚合可能改变中介效应的估计目标,而不仅仅是减少噪声。我们刻画了线性得分保持完整中介效应的条件:对于每一种结局模型,精确保持当且仅当该得分包含经协方差调整的暴露预测性中介方向;在高斯逆回归模型下,这一方向是暴露的经典充分约化方向。我们提出了一种与分布无关的极小极大充分性损失,其定义为得分所丢弃的、与暴露相关的中介信息所占的比例,并且该损失与聚合所恢复的重叠程度存在精确联系。基于分样本的逆Wishart校正可在中等维度下对保留的暴露信息和完整的暴露信息进行无偏估计。在球对称的结局效应基准下,相对聚合误差呈现柯西位置—尺度分布特征,而配对影响函数推断则针对观测结局的实际误差进行估计。在模拟中,配对区间的覆盖率为93.3%至97.5%。在一项不依赖结局的TCGA肺腺癌审计中,对1,314个具有吸烟响应性的基因进行分析发现,合并基因均值的损失为0.811(描述性基因自助法95%区间为0.797至0.823),而仅基于维度的随机子空间基准为0.913;分别保留启动子和非启动子基因均值后,合并损失降至0.625。独立的半样本筛选不稳定,但经交叉筛选的前100个和前250个基因的合并基因均值损失介于0.827至0.932之间。该框架区分了结构充分性、基准脆弱性和结局特异性差异。
高维中介变量通常在中介分析前被压缩为低维得分,但聚合可能改变所估计的中介效应,而不只是降低噪声。我们刻画了线性得分保留完整中介效应的条件。对于所有结局模型均能精确保留,当且仅当该得分包含经协方差调整的暴露预测型中介方向;在高斯逆回归模型下,这正是经典的暴露充分约简。我们提出一种与分布无关的极小极大充分性损失,定义为得分所丢弃的暴露相关中介信息比例,并证明其与聚合所恢复的重叠程度精确相关。分样本逆 Wishart 校正可在中等维度下得到保留暴露信息量和完整暴露信息量的无偏估计。在球对称结局效应基准下,相对聚合误差呈柯西位置—尺度分布;配对影响函数推断则针对观测结局的实际差距。在模拟中,配对区间覆盖率为 93.3% 至 97.5%。在一项不使用结局信息的 TCGA 肺腺癌审计中,对 1,314 个吸烟响应基因进行分析后,合并基因均值的损失为 0.811(描述性 95% 基因自助法区间为 0.797 至 0.823),而仅依赖维度的随机子空间基准为 0.913;分别保留启动子和非启动子均值后,合并损失降至 0.625。独立半样本筛选不稳定,但前 100 个和前 250 个基因的交叉筛选结果显示,合并基因均值损失介于 0.827 至 0.932。该框架区分了结构充分性、基准脆弱性和结局特异性差异。
作者声明不存在利益冲突。
感谢您有兴趣传播 bioRxiv 的信息。
注意:您……
电子邮件地址仅用于确认您是本文的发送者。
关键词:高维中介分析 · 中介效应保留 · 充分约化方向 · 极小极大充分性 · 影响函数推断 · TCGA肺腺癌
原文链接:https://www.biorxiv.org/content/10.64898/2026.10.02.756279v1?rss=1