Weighted Holm Procedures: Theory, Properties, and Recommendations

1. 연구 배경 및 문제 제기 (Problem)

임상 시험 및 다양한 통계적 응용 분야에서 여러 가설을 동시에 검정할 때, 각 가설의 중요도가 다를 수 있습니다. 이러한 상황에서 **가중치 할당 다중 검정 절차 (Weighted Multiple Testing Procedures, wMTPs)**를 사용하여 가설별 중요도를 반영하면서 가족별 오류율 (Familywise Error Rate, FWER) 을 통제하려는 시도가 이루어져 왔습니다.

이 중 두 가지 널리 사용되는 가중치 할당 Holm 절차가 존재합니다.

1. 가중치 할당 Holm 절차 (WHP, Weighted Holm Procedure): 가중치로 보정한 p-value(가중 p-value) 를 기준으로 가설을 정렬하여 검정합니다.
2. 대안적 가중치 할당 Holm 절차 (WAP, Weighted Alternative Holm Procedure): 원시 p-value(raw p-value) 를 기준으로 가설을 정렬하되, 임계값에 가중치를 적용합니다.

기존 연구에서는 두 절차의 상대적 우위, 특히 **통계적 검정력 (Power)**과 **단조성 (Monotonicity)**에 대한 명확한 비교가 부족했습니다. WAP 는 가중치와 무관한 정렬로 인해 '객관적'으로 보일 수 있으나, 이로 인해 단조성 (p-value 가 감소할 때 기각 수량이 감소하지 않는 성질) 이 깨질 수 있다는 문제가 제기되었습니다. 본 논문은 이 두 절차를 체계적으로 비교하고, 이론적 특성을 규명하며, 실제 적용을 위한 권장 사항을 제시하는 것을 목표로 합니다.

2. 방법론 (Methodology)

저자들은 두 절차를 다음과 같은 네 가지 핵심 관점에서 분석했습니다.

• 닫힌 검정 절차 (Closed Testing Procedures, CTPs) 로의 표현:
  • 두 절차 모두 CTP 로서 표현될 수 있음을 보였습니다.
  • WHP: 가중치 할당 Bonferroni 검정을 로컬 검정으로 사용합니다.
  • WAP: 원시 p-value 와 가중치를 결합한 특정 로컬 검정을 사용합니다.
• 그래픽적 표현 (Graphical Representations):
  • 비통계학자와의 소통을 용이하게 하기 위해 두 절차를 공통의 초기 그래프 구조를 가지되, 업데이트 전략 (정렬 기준) 만이 다른 그래픽 알고리즘으로 재정의했습니다.
  • WHP 는 가중 p-value 순서로, WAP 는 원시 p-value 순서로 노드를 선택하고 가중치를 이전합니다.
• 보정 p-value (Adjusted P-values) 유도:
  • 두 절차 모두에 대해 보정된 p-value(Adjusted p-values) 와 보정된 가중 p-value(Adjusted weighted p-values) 를 유도하여 직접적인 비교가 가능하도록 했습니다.
• 최적성 (Optimality) 분석:
  • FWER 통제 수준을 해치지 않고 임계값을 높일 수 있는지 여부를 통해 절차의 최적성을 평가했습니다.

3. 주요 기여 및 이론적 결과 (Key Contributions & Results)

A. 검정력 우위 (Power Dominance)

• 핵심 결과: WHP 는 WAP 보다 균일하게 더 높은 검정력 (Uniformly More Powerful) 을 가집니다.
• 이유: WAP 로 가설이 기각되는 모든 경우, WHP 에서는 반드시 기각됩니다. 이는 WHP 의 로컬 검정 (가중 Bonferroni) 이 WAP 의 로컬 검정보다 더 강력하기 때문입니다.
• 시뮬레이션 결과: 다양한 상관 구조 (등 상관) 와 가중치 설정 하에서 시뮬레이션을 수행한 결과, WHP 는 항상 WAP 보다 높은 평균 검정력을 보였으며, FWER 는 명목 수준 ($\alpha$) 을 준수했습니다.

B. 단조성 (Monotonicity) 과 일관성 (Consonance)

• WHP: p-value 단조성 (p-value monotone) 을 만족하며, CTP 표현에서도 단조성 조건을 충족합니다. 이는 계산적 단축 (shortcut) 이 가능하고 일관성 (consonance, 교집합 가설이 기각되면 구성 요소 중 하나도 기각됨) 을 보장합니다.
• WAP: p-value 단조성이나 CTP 단조성 조건을 만족하지 않습니다. 즉, p-value 가 감소해도 기각된 가설의 수가 줄어들 수 있는 비직관적인 상황이 발생할 수 있습니다.
• 흥미로운 발견: WAP 는 단조성을 만족하지 않음에도 불구하고, 일관성 (Consonance) 은 유지합니다. 이는 WAP 도 계산적 단축이 가능함을 의미하지만, 구조적 안정성은 WHP 에 비해 떨어집니다.

C. 최적성 (Optimality)

• WHP: 임의의 가중치 설정에서 FWER 통제 하에 **무조건적으로 최적 (Unconditionally Optimal)**입니다. 즉, 임계값을 조금만 높여도 FWER 통제가 깨집니다.
• WAP: **조건부 최적 (Conditionally Optimal)**입니다. 가중치의 비율이 특정 조건 ($\min(w_i) / \max(w_i) \ge \alpha$) 을 만족할 때만 최적성을 가집니다. 이 조건이 위배되면 (예: 가중치 편차가 매우 클 때) WAP 는 최적성을 잃을 수 있습니다.

D. 임상 사례 적용

• ARDS(급성 호흡 곤란 증후군) 및 제 2 형 당뇨병 임상 시험 데이터를 적용한 결과, 두 절차 모두 FWER 를 통제하면서도 WHP 가 더 작은 보정 p-value 를 산출하여 더 많은 가설을 기각하거나 더 강력한 증거를 제시함을 확인했습니다.

4. 결론 및 의의 (Conclusion & Significance)

이 논문은 다중 검정 분야에서 널리 사용되던 두 가지 가중치 할당 Holm 절차 (WHP 와 WAP) 에 대해 다음과 같은 결정적인 결론을 내렸습니다.

1. 실무 권장사항: WHP(가중 p-value 순서 기반) 가 WAP 보다 우월한 선택입니다. WHP 는 더 높은 검정력, 더 강력한 이론적 최적성 보장, 그리고 단조성이라는 구조적 이점을 모두 갖추고 있습니다.
2. 이론적 명확화: WAP 가 단조성을 결여하고 있음에도 일관성을 유지한다는 점을 규명하여, 두 절차의 구조적 차이를 명확히 했습니다.
3. 가중치의 중요성: 가중치가 정보 (정보성) 를 잘 반영할 때 (예: 대안 가설에 높은 가중치 부여) 두 절차 모두 검정력이 향상되지만, WHP 가 그 이점을 더 효율적으로 활용함을 보였습니다.

의의:
이 연구는 임상 시험 설계 및 데이터 분석 시 가중치 할당 다중 검정을 수행할 때, 단순히 '객관적'이라는 이유로 원시 p-value 순서를 사용하는 WAP 를 피하고, 가중치와 p-value 를 통합하여 정렬하는 WHP 를 표준으로 채택해야 함을 강력히 시사합니다. 이는 통계적 엄밀성과 실용적 검정력을 동시에 확보하는 데 기여하며, 향후 복잡한 가설 구조 (그룹화 등) 로의 확장을 위한 기초를 마련했습니다.