papershrinkagejames-steinvariance-shrinkaget-statisticgene-rankingdistribution-freemoderated-t

Opgen-Rhein & Strimmer (2007) — Shrinkage t Statistic

Citation. Opgen-Rhein, R. & Strimmer, K. (2007) "Accurate Ranking of Differentially Expressed Genes by a Distribution-Free Shrinkage Approach", Statistical Applications in Genetics and Molecular Biology 6(1), Article 9. DOI 10.2202/sagmb.2007.6.1.9. Munich LMU 统计系。

One-line takeaway. 把 James-Stein 解析收缩推到基因特异性方差向量维度，target = 经验方差中位数（比均值鲁棒），闭式 \lambda^\star = \sum_k \mathrm{Var}(v_k)/\sum_k(v_k-v_{\mathrm{med}})^2 完全分布无关；构造 shrinkage t 排名统计量，在三组仿真 + 三组实验数据中与 moderated t 并列唯一全场景最优——但实现闭式、无 EB/MCMC、无分布。

摘要

定义 p 个基因的经验方差 v_1,\ldots,v_p 的 James-Stein 收缩估计量 v_k^\star = (1-\widehat\lambda^\star)v_k + \widehat\lambda^\star v_{\mathrm{med}}，其中 \widehat\lambda^\star 闭式（Eq. 11）。代入标准 t-stat 得 shrinkage t：\lambda=0 时退化为标准 t，\lambda=1 时退化为 fold change。提供 equal / unequal variance 两种 variant。组件风险用 limited translation 截在 |\delta_k - v_k^\star| \leq M（M 取 |\Delta_k| 99% 分位数），等价于软阈值化。

仿真 p=2000（100 DEG），三组方差生成（scale-inv-\chi^2 的 d_0 \in \{1000, 4, 1\}，对应相似/平衡/异质）。比较对象：fold change、标准 t、moderated t (Smyth 2004)、Cui t (Cui 2005)、Efron 90% rule、SAM、改进 SAM L_1 (Wu 2005)。结果：moderated t 与 shrinkage t 是唯一两种在所有方差设定下达到最优的方法。fold change 仅方差相似时有效；Efron rule 在方差异化下退化；SAM 表现差（多数 DEG 零分）。

实验数据：Affymetrix spike-in（12626 genes / 12 replicate / 16 DEG）、Choe golden spike（11475 genes / 3 replicate / 1331 DEG）、HIV-1 van 't Wout 2003（4608 genes / 4 replicate / 13 DEG）。三组数据上 shrinkage t 与 moderated t 表现最佳，shrinkage t 在 Affymetrix spike-in 上略胜。

关键贡献

  1. 分布无关方差收缩：James-Stein 框架推到方差向量，不需任何先验/超参/MCMC；moderated t (Smyth 2004) 假设 scale-inv-\chi^2，Cui t 用 \chi^2 仿真估计方差因子。
  2. median target：实验证明比零目标（less efficient）和均值目标（less robust）更优——异方差鲁棒。
  3. limited translation + 软阈值化的等价：JS 收缩与软阈值化（signal processing）的桥。
  4. 最优性极限：仿真 + 实验给出"存在全局最优 ranking 极限，moderated/shrinkage t 唯一两者达到"的经验观察。
  5. 方法论讨论：指出 JS 收缩只需二阶矩（quasi-empirical Bayes），不需完整先验——对分布假设稳健性有方法论意义。

与 quant 关联

shrinkage t 范式对 quant alpha 排序 / 信息系数 / 多因子 t 检验直接可迁移：

  • 因子 loading t 检验：每个因子 \beta_i 的经验方差 v_i 在时间维度估计——T 类似"replicate"，p 个因子类似"基因数"。shrinkage t 给多因子稳健 t（避免某些因子样本期短方差噪声大）。
  • alpha ranking：cross-sectional IC_k 排序——异方差场景天然对应 median target 的鲁棒优势。
  • stat arb pair t：单配对 t 沿 (k=pair) 排序时同样受益于方差收缩。

分布无关承诺对 quant 数据（重尾/异方差）尤为重要。

与 James-Stein / LW 路径的关系

  • Stein (1956, 1981) — JS inadmissibility 起源（均值向量，n=1）
  • James-Stein (1961) — 显式构造，正态假设
  • Efron-Morris (1972, 1975) — EB 框架 + limited translation
  • Ledoit-Wolf (2003) — 协方差矩阵，oracle 闭式（无偏 U）
  • Schäfer-Strimmer (2005) — LW Lemma 1 闭式代入，target D，GGM 选择
  • Opgen-Rhein-Strimmer (2007, 本) — 方差向量，分布无关，median target，shrink t 排名

工程落地

  • R 包 st（CRAN）— shrinkage t 统计量 + 多种 regularized t wrapper（moderated、Cui 等），GPL。
  • R 包 corpcor — 底层方差收缩 \widehat\lambda^\star 实现（同样含 SS05 协方差/相关）。

局限

  • 独立观测假设：标准 t-stat 假定样本独立；时序数据需 HAC 或 block bootstrap。
  • target 选 median 的代价：对极偏/重尾分布的尾部，方差估计仍可能不准确。
  • \lambda^\star 有限样本偏离：positive-part 截断（Barachnik 1970）保证 MSE 优势但偏乐观。

See also