방향성 복제가능성 두 배 보정 없이 검정 가능한 경우

초록

본 논문은 n개의 독립 연구에서 동일한 방향(양 또는 음)의 효과가 최소 r개( r≥2) 존재하는지를 검정하는 “방향성 복제가능성” 문제를 다룬다. 기존 방법은 좌·우 양쪽 단측 p값을 각각 α/2 수준으로 결합한 뒤, 더 작은 p값을 2배하여 다중검정을 보정한다. 저자들은 r이 n의 절반보다 크게( (n+1)/2 < r ≤ n )일 때, Bonferroni 방식으로 결합한 단측 p값 중 작은 값을 그대로 사용해도 유효한 전체 p값이 된다는 정리를 제시한다. 반면 r이 작을 경우(2 ≤ r ≤ (n+1)/2)에는 두 배 보정이 필요함을 반례를 통해 보여준다. 또한 r을 데이터에 따라 적응적으로 선택하는 절차와, 다른 결합 함수(Šidák, Simes, Fisher)로의 확장 가능성도 논의한다.

상세 분석

이 연구는 “부분 결합 가설(partial conjunction hypothesis)”이라는 개념을 활용해 방향성 복제가능성 검정을 형식화한다. 각 연구 i에 대해 효과 크기 θ_i 를 추정하는 통계량 T_i∼N(θ_i,1) 를 가정하고, 단측 검정의 p값 p_i=1−Φ(T_i) (양쪽)와 q_i=Φ(T_i) (음쪽)를 정의한다. Bonferroni 부분 결합 p값은 p_{+r/n}=(n−r+1)·p_{(r)} 와 p_{−r/n}=(n−r+1)·q_{(r)} 로 구한다. 기존 방법은 두 p값 중 작은 값을 2배하여 전체 p값 p_{r/n}=2·min(p_{+r/n},p_{−r/n}) 로 만든다.

핵심 정리(Theorem 1)는 r이 (n+1)/2보다 클 때, 즉 “다수결” 상황에서는 p_{r/n}=min(p_{+r/n},p_{−r/n}) 자체가 유효한 수준‑α 검정임을 증명한다. 증명은 T_i 를 크기순으로 정렬한 T_{(1)}≤…≤T_{(n)} 를 이용해, 양측 사건 {T_{(r)}≤−t}와 {T_{(n−r+1)}≥t} 가 서로 겹치지 않음(왜냐하면 r>n−r+1) 을 보이고, 각각의 Type I 오류 확률을 독립 베르누이 합으로 표현해 sup_θ∈Θ₀ c(θ)=α 를 얻는다.

반면 r이 작을 경우(2≤r≤(n+1)/2)에는 두 사건이 겹칠 수 있어 보정 없이 min(p_{+r/n},p_{−r/n})를 사용하면 Type I 오류가 α를 초과한다. 저자들은 n=20, r=2…7 구간에서 θ가 “양‑음 혼합”(r−1개의 강한 양효과와 r−1개의 강한 음효과)인 경우 오류 확률이 2α를 넘어서는 것을 시뮬레이션·수식으로 보여준다.

또한 r을 사전에 정하지 않고 데이터에 따라 적응적으로 선택하는 절차를 제안한다. (n+2)/2 이상인 k부터 순차적으로 H_{k/n}, H_{k+1/n},… 를 α 수준으로 검정하고, 마지막으로 기각된 가설의 인덱스 l을 최대 동일 방향 효과 수에 대한 (1−α) 하한으로 해석한다.

논의에서는 Bonferroni 대신 독립성을 이용한 Šidák 보정, Simes, Fisher 결합 함수에도 동일한 “두 배 보정 불필요” 결과가 확장될 가능성을 언급한다. 다변량 정규 평균 검정(Sasabuchi 1980)과의 연관성도 제시하며, 다중 특성(다변량) 상황에서의 복제가능성 검정에 대한 향후 연구 방향을 제시한다.