Fixed-level calibration of the Cauchy combination test

Resumo Técnico: Calibração de Nível Fixo do Teste de Combinação de Cauchy

1. O Problema

O Teste de Combinação de Cauchy (CCT), proposto por Liu e Xie (2020), é amplamente utilizado para combinar múltiplos p-valores em um único teste global. Sua principal vantagem é fornecer um p-valor combinado em forma fechada e manter-se numericamente estável mesmo para níveis de significância muito pequenos.

A justificativa assintótica padrão do CCT baseia-se em um regime de nível vanishing (onde o nível nominal $\alpha \to 0$), sob o qual a estatística do teste converge para uma distribuição de Cauchy padrão, independentemente da estrutura de dependência entre os p-valores.

No entanto, na prática, o teste é frequentemente aplicado em níveis fixos (como $\alpha = 0.05$ ou $0.01$) com um grande número $K$ de testes componentes e sob dependência. O artigo identifica uma lacuna crítica: a distribuição de referência padrão de Cauchy não é exata para níveis fixos quando $K \to \infty$ sob dependência, levando a distorções no tamanho do teste (falsos positivos). O problema central é entender e corrigir esse comportamento assintótico em nível fixo.

2. Metodologia e Modelo

O autor analisa o problema sob o modelo de cópula Gaussiana equicorrelacionada de um fator, onde a dependência entre os p-valores é gerada por um único fator latente Gaussiano compartilhado.

• Estrutura: Os p-valores são derivados de variáveis $Z_i$ que seguem uma distribuição normal multivariada com correlação $\rho$.
• Representação: $Z_i = \sqrt{\rho} V + \sqrt{1-\rho} \varepsilon_i$, onde $V$ é o fator latente comum e $\varepsilon_i$ são ruídos independentes.
• Estatística: O CCT utiliza a transformação de Cauchy $f(z) = \tan(\pi(\Phi(z) - 1/2))$ e calcula a média $T_K = \frac{1}{K} \sum f(Z_i)$.

O estudo foca no regime triangular onde $K \to \infty$ e a correlação $\rho_K$ pode ser fixa ou tender a zero ($\rho_K \downarrow 0$).

3. Contribuições Principais e Resultados Teóricos

A. Falha do CCT Bruto em Nível Fixo
O artigo demonstra que, sob correlação positiva fixa ($\rho > 0$), a estatística $T_K$ converge para um limite aleatório dependente do fator latente $V$, e não para uma distribuição Cauchy universal.

• Quando $\rho_K \to 0$, o comportamento é governado por duas escalas logarítmicas:
  1. Escala mais ampla: $c_K = \rho_K \log K$.
  2. Escala da camada limite (boundary-layer): $s_K = \sqrt{\rho_K} (\log K)^{3/2}$.
• Resultado Chave: O CCT bruto só é assintoticamente exato em nível fixo se $\rho_K (\log K)^3 \to 0$. Caso contrário, a distribuição nula é deslocada por um termo de centragem determinístico induzido pelo fator latente, causando distorção no tamanho do teste (geralmente anti-conservativo).

B. Proposta: BL-CCT (Boundary-Layer Calibrated CCT)
Como a distorção surge da inadequação da lei de referência (Cauchy padrão) e não da estatística do teste em si, o autor propõe corrigir o cutoff (ponto de corte) sem modificar a estatística $T_K$.

• Método: Substitui a distribuição de referência Cauchy padrão por uma família de distribuições Cauchy suavizada por Gaussiana (uma mistura de localização).
• Nova Lei de Referência: $T_s \stackrel{d}{=} C + \kappa s V$, onde $C \sim \text{Cauchy}(0,1)$, $V \sim N(0,1)$ e $s$ é o parâmetro de escala da camada limite ($s_K$).
• Vantagem: Esta correção absorve o termo de centragem deslocado, restaurando a exatidão do teste.

C. Condições de Exatidão Melhoradas
Com a correção BL-CCT, a condição para exatidão assintótica em nível fixo é relaxada significativamente:

• CCT Bruto: Exige $\rho_K (\log K)^3 \to 0$.
• BL-CCT: Exige apenas $\rho_K \log K \to 0$.
• Além disso, para escalas onde $c_K = \rho_K \log K$ permanece limitado (mas não zero), o BL-CCT fornece uma aproximação uniforme útil e tende a ser conservativo (tamanho real < $\alpha$) em níveis convencionais, ao contrário do CCT bruto que se torna anti-conservativo.

4. Validação Numérica

O autor realiza experimentos de Monte Carlo sob o modelo de cópula Gaussiana equicorrelacionada:

• CCT Bruto: Mostra distorção severa no tamanho do teste à medida que a dependência ($s$) aumenta, superando significativamente o nível nominal de 0.05.
• BL-CCT (Oracle e Plug-in): A versão "Oracle" (usando o $\rho$ verdadeiro) e a versão "Plug-in" (estimando $\rho$ a partir dos dados) mantêm o tamanho do teste muito próximo do nominal, mesmo sob dependência moderada. A versão plug-in demonstra convergência rápida e robustez.

5. Significado e Impacto

• Correção Prática: O trabalho fornece uma solução prática e computacionalmente eficiente (mantendo a simplicidade do cálculo original) para um problema comum em aplicações de genômica, regressão de alta dimensão e estudos de microbioma, onde a dependência entre testes é ubíqua.
• Fundamento Teórico: Revela um mecanismo de "deriva" (drift) do fator latente que passa despercebido na análise de nível vanishing, mas que domina o comportamento em nível fixo.
• Generalidade: O mecanismo de distorção não é exclusivo do teste de Cauchy; aplica-se a qualquer regra de combinação baseada em funções de pontuação com índice de cauda 1 (como a média harmônica de p-valores), sugerindo que a calibração via suavização Gaussiana pode ser uma abordagem geral para testes de combinação dependentes.

Em suma, o artigo estabelece que a calibração de nível fixo do CCT requer o reconhecimento da estrutura de dependência latente. A proposta BL-CCT corrige essa falha teórica substituindo a lei de referência, garantindo validade estatística rigorosa em cenários de grandes dimensões e dependência moderada.