提高非参数检验功效的潜在方法

对于非正态分布的数据，当样本量不够大（如小于30）时，Wilcoxon 检验的功效较低。如何提高非参数检验的功效，这是个不容易的问题。Wilcoxon是一个特异度很高的检验方法，但小样本时灵敏度较低。如果简单放宽检验水准，将会迅速损失特异度，并不是上上策。小样本的差异分析一直是个头疼的问题，对于两组样本量都少于30的情况，各类非参数检验都很低效。除了尝试对数据log或开根号转化等数据预处理技巧外，是否能直接从非参数检验体系本身对检验功效进行优化？本文可能有点纠结边际优化效果（毕竟特别有价值的特征往往容易被Wilcoxon检验发现的），对于检验灵敏度要求不高的情况，可直接忽略本文的观点。

有论文（见参考资料）指出，某些小样本情况下Kolmogorov–Smirnov检验可能优于Wilcoxon检验。严格来说，Wilcoxon检验和KS检验的功效对比需多次重复模拟进行评估，此处不再赘述（见参考资料的论文），本文仅以一个简单的典型示例呈现。笔者根据Wilcoxon的特点和KS检验的优势（对分布敏感），构造了如下的数据：

A组中12个样本的X分子表达量为：1,6,12,18,19,20,22,23,24,26,27,28

B组中13个样本的X分子表达量为：2,3,4,5,7,8,9,10,11,13,21,25,29

可视化如下：

      

直观来看，两组应当是有显著差异的。

分别检验两组数据的正态性，发现符合正态分布。因此使用 t 检验，结果 p=0.038，佐证了我们对数据的直观感受。

以分组为结局变量，X的表达量为自变量，建立Logistic回归模型，结果：OR=0.90，p=0.047。值得注意的是，将上述Boxplot 旋转90度后，直观感觉 似乎能较好地拟合出 Logistic的S型曲线。

以整体的中位数13为界值，划分为高表达和低表达，进行Fisher精确检验，结果 p=0.017.

频率学派过渡依赖于p值，我们用贝叶斯学派的观点来看看这一组数据。事先假定这是表达量count计数资料（离散分布），由于数据的方差（70左右）明显大于均值（均值小于30），存在overdispersion，不太符合Poisson分布，可考虑使用负二项分布。为了尽量减少主观影响，我们假定两组参数均值mu的先验都为0~30之间的均匀分布，参数alpha的先验分布都为0~10之间的均匀分布，使用MCMC采样模拟，得到两组参数的后验分布如下：

      

且A组均值mu_1 大于 B组均值 mu_2 的概率为：96.0%。

接下来我们看看非参数检验的表现如何。

使用Wilcoxon检验，得到 p=0.068，保守的Wilcoxon不能以0.05的水准得到显著差异。在进行biomarker筛选的时候很容易被Wilcoxon误导。

我们尝试采用KS检验，结果 p=0.040，诶，可以。个人一直感觉KS检验也比较严格保守，但这种情况确实能为非参数检验挽回一些颜面。

可能有人认为，既然数据服从正态分布，何不直接使用 t 检验呢？我们如果将A组最后两个样本点的值27和28改为26.1和26.2，则A组的数据不再服从正态分布（哈哈，有点夸张，这个演示稍微极端一点，但确实正态检验结果认为不再服从正态分布）。这个时候还使用 t 检验是会被质疑的，因此不得不使用非参数检验方法。再次进行Wilcoxon和KS检验，结果不变（毕竟秩次没发生变化）。

为何不直接转向贝叶斯推断的怀抱，上述例子中笔者假定该计数资料符合负二项分布，但如果为连续分布数据且分布形式多种多样（如代谢组学数据），难以统一判断分布类型时，贝叶斯推断好像有点吃力（主要是笔者水平还不够）。

题外话：对于RNA-Seq的count数据，可以直接使用 edgeR、DESeq2及limma等各种工具包（edgeR和DESeq2基于负二项分布广义线性模型处理count数据，limma基于线性模型、在 t 检验的基础上改进），但其实各个工具之间并没有达到特别好的共识，检验的灵敏度和特异度各有千秋。limma包本来用于处理芯片数据的（芯片数据首选方法），后来有论文证明（limma包的RNA-Seq部分的参考资料），将count数据转成logCPM，也可以使用limma处理。由于CPM、FPKM及TPM等数据本质上是类似的，因此limma包也可以处理TPM类型的数据，但建议使用log预处理。可以参考：RNAseq数据，下载GEO中的FPKM文件后该怎么下游分析

另外，对于将连续变量转成分类变量再进行卡方检验或Fisher精确检验的思路，存在争议的地方在于划分所使用的界值（中位数并不总是有效，而直接优化最佳界值也容易被质疑），并且笔者观点是尽量避免将连续变量压缩成二分类变量（许多大佬都认为粗鲁地压缩容易丢失大量的信息）。同样作为分布检验的方法，KS检验虽然不是最佳选择，但勉强还可以代表大家出战。

但注意，KS检验可能会找到一些奇奇怪怪的分布的特征，最好剔除多峰分布的特征（多峰分布的特征难以解释）。另外，KS检验对相同秩的情况也处理不佳（相同秩估计不准 简直是许多非参数检验的共病）。

本文的示例只是其中一种典型的代表，实际（小样本）数据中这样的情况并不罕见。笔者认为，小样本数据分析时，可在Wilcoxon检验的基础上，辅之以KS检验，从而提高非参数检验的功效，即：Wilcoxon检验与KS检验分别筛选biomarker后，再取并集作为差异分析的结果，可能可以帮助挖掘潜在有用的biomarker（记得确实有一些综述总结到KS检验可以作为筛选biomarker的方法之一）。

 

上述的例子中，众多检验方法都认为两组很可能存在差异，而Wilcoxon检验则过于保守估计，这大概是Wilcoxon的其中一个缺陷。Wilcoxon的另一个缺陷是：丢失了数值的绝对大小，只保留了相对大小的信息。下面举个小样本中简单而又极端的栗子。

A组的3个病例的X分子表达量为：1, 2, 3

B组的3个病例的X分子表达量为：40, 50, 60

使用Wilcoxon检验 p=0.1，而使用 t 检验则 p=0.01。

因此，提高非参数检验功效的另一个思路是：重新引入绝对数值大小。这可能是优化非参数检验功效极为重要的一方面。

 

参考资料：

曾艳等. 完全随机设计两样本的Wilcoxon检验与KS检验功效比较. 中国卫生统计学.2011