Asumsi ketergantungan Benjamini-Hochberg dibenarkan?

Saya memiliki kumpulan data di mana saya menguji perbedaan yang signifikan antara tiga populasi sehubungan dengan sekitar 50 variabel yang berbeda. Saya melakukan ini menggunakan tes Kruskal-Wallis, di satu sisi, dan dengan uji rasio kemungkinan cocok model GLM bersarang (dengan dan tanpa populasi sebagai variabel independen), di sisi lain.

Sebagai hasilnya, saya memiliki daftar -nilai Kruskal-Wallis di satu sisi, dan apa yang saya pikir adalah -nilai Chi square dari perbandingan LRT, di sisi lain.$p$$p$

Saya perlu melakukan beberapa bentuk koreksi pengujian karena ada> 50 tes yang berbeda, dan Benjamini-Hochberg FDR sepertinya itu adalah pilihan yang paling masuk akal.

Namun, variabelnya mungkin tidak independen, dengan beberapa "klan" di antaranya berkorelasi. Pertanyaannya kemudian: bagaimana saya bisa tahu apakah set statistik yang mendasari untuk nilai- saya memenuhi persyaratan ketergantungan positif yang diperlukan agar prosedur Benjamini-Hochberg masih terikat pada FDR?$p$

Makalah Benjamini-Hochberg-Yekutieli dari tahun 2001 menyatakan bahwa kondisi PRDS berlaku untuk distribusi multivariat yang normal dan terpelajarisasi. Bagaimana dengan uji rasio kemungkinan saya nilai Chi square untuk perbandingan model? Bagaimana dengan nilai saya miliki untuk tes Kruskal-Wallis?$p$

Saya dapat menggunakan koreksi FDR terburuk Benjamini-Hochberg-Yekutieli yang tidak mengasumsikan ketergantungan, tetapi saya pikir itu mungkin terlalu konservatif dalam kasus ini dan kehilangan beberapa sinyal yang relevan.

Validitas prosedur BH tergantung pada tes hipotesis yang bergantung positif. Jika Anda membaca makalah mereka pada tahun 2001, Anda akan melihat bahwa multivarian normal tidak perlu, mereka memberikan kondisi yang lemah di koran:

(1984) bersyarat (positif) asosiasi Rosenbaum, cukup untuk menyiratkan PRDS: adalah kondisional terkait, jika untuk setiap partisi dari , dan fungsi diberikan secara positif terkait .$X$$(X1,$ $X2)$$X$$h(X1), X2$$h(X1)$

Jika ini sepertinya asumsi yang masuk akal untuk membuat data Anda, maka nyatakan saja sebagai asumsi dan coba untuk membuat skenario di mana itu dan tidak terpenuhi untuk mengklarifikasi kepada diri Anda sendiri.

PRDS adalah kondisi yang cukup tetapi tidak perlu bagi BH untuk mengontrol FDR. Saya sarankan Anda menggunakannya, dan juga menggunakan prosedur Benjamini-Yekutieli untuk ketergantungan umum. Jika perbedaan dalam inferensi besar, coba tunjukkan bahwa BH mengontrol FDR dalam pengaturan khusus Anda menggunakan permutasi atau teknik berbasis resampling yang menghemat struktur ketergantungan Anda.