错误发现率

错误发现率（False Discovery Rate）

错误发现率（False Discovery Rate，简称FDR）是多重假设检验中用于控制第一类错误比例的核心统计指标。它由以色列统计学家Yoav Benjamini和Yosef Hochberg于1995年在《英国皇家统计学会杂志》上正式提出，旨在解决传统多重比较校正方法过于保守的问题。与家族-wise错误率（FWER）不同，FDR控制的是在被拒绝的假设中错误拒绝比例的期望值，而非至少犯一次第一类错误的概率。这一差异使FDR在检验数量庞大时具有显著更高的统计检验力。

定义与数学表达

假设我们同时检验 $m$ 个原假设，其中 $m_0$ 个为真，$m_1$ 个为假。设 $R$ 为拒绝总数，$V$ 为错误拒绝数（假阳性），$S$ 为正确拒绝数（真阳性）。FDR定义为：

FDR的直观含义是：在所有被判定为显著的结果中，真正无效应但被误判为有效应的结果所占比例的期望值。这一可解释性使其在基因组学、神经影像学等领域被广泛采用。

Benjamini-Hochberg（BH）程序

实现FDR控制最经典的方法是BH程序，步骤如下：

1. 将 $m$ 个检验的p值从小到大排序：$p_{(1)} \leq p_{(2)} \leq \cdots \leq p_{(m)}$；
2. 对给定FDR水平 $q$（通常取 0.05 或 0.10），找到最大 $k$ 使 $p_{(k)} \leq \frac{k}{m} \times q$；
3. 拒绝 $p_{(1)}, p_{(2)}, \ldots, p_{(k)}$ 对应的原假设。

BH程序在检验相互独立或正相关时，能严格将FDR控制在 $q$ 水平之下。若存在复杂相关结构，则需更保守的方法如Benjamini-Yekutieli（BY）程序。

与FWER的比较

传统方法（如Bonferroni校正）控制FWER，即至少发生一次第一类错误的概率。这在检验数量庞大时极为严格——对百万级别SNP进行GWAS分析时，Bonferroni阈值可达 $5 \times 10^{-8}$，虽杜绝假阳性却可能遗漏大量真实效应。

FDR采取折中策略：允许一定比例的假阳性，但确保该比例在可接受范围内。这使得FDR在发现能力与错误风险间取得更优平衡，在探索性大规模筛查中比FWER更为适用。

应用领域

FDR在基因组学的差异表达基因分析（如RNA-seq）和GWAS中已是标准做法。在功能磁共振成像（fMRI）中，全脑体素级别的多重检验广泛采用FDR校正。此外，蛋白质组学、代谢组学、经济学中的多重假设检验以及机器学习特征选择等领域，FDR均有重要应用。

q值与pFDR

与FDR密切相关的q值（q-value）由Storey于2002年提出，定义为单个检验对应最小FDR水平的估计。q值方法包含对真原假设比例 $\pi_0 = m_0 / m$ 的估计，相比BH程序可在保持FDR控制的同时获得更高检验力。阳性错误发现率（pFDR）为条件期望：

。

局限与扩展

FDR控制的是比例而非绝对数量：当拒绝总数很少时，即使FDR较小，绝对错误数也可能不可忽视。针对这一局限，后续研究发展了自适应FDR控制（利用数据估计 $m_0$ 调整阈值）、结构化FDR控制（加权FDR）以及局部错误发现率（local FDR，即单个假设的后验错误概率）等方法。

总结

错误发现率作为多重假设检验中平衡发现与错误的关键工具，已成为现代数据科学和生物医学研究不可或缺的统计方法。深入理解其原理与适用条件，对正确开展大规模统计分析、避免可重复性危机中的统计误用具有重要意义。