相关与不相关加性测量噪声下校正Pearson相关系数的方差与标准误：面向假设检验与实验设计

《Journal of Chemometrics》：The Variance of the Corrected Pearson Correlation Coefficient Under Correlated and Uncorrelated Additive Measurement Noise

　　

在加性测量噪声（additive measurement noise）存在时，两个被测数量（变量）x与y之间的Pearson矩积相关系数（Pearson moment-product correlation coefficient）会发生畸变，并可能依据相关噪声组分与不相关噪声组分的相互作用而向上或向下偏倚。一旦噪声方差组分（noise variance components）被估计，该偏倚即可通过适当的数学处理予以消除。本文推导了校正样本相关系数（corrected sample correlation）的方差与标准误（standard error）作为噪声方差组分函数的表达式，这些表达式可用于假设检验（hypothesis testing）与实验设计（experimental design）。

研究背景与问题：实验噪声会扭曲Pearson积矩相关系数（Pearson product-moment correlation coefficient），此前Spearman已指出该问题；在分析测量中，噪声由相关与不相关加性组分共同构成，可导致相关系数衰减或膨胀。现代高通量组学平台的噪声结构复杂，现有校正方法多关注不相关测量误差，对相关误差关注不足；而校正相关系数需要先估计噪声方差组分，这些估计并非无误差，其抽样变异会影响校正样本相关系数r_c的精度。因此，需要推导r_c的方差与标准误，以支持假设检验、置信区间和实验设计。研究人员在既有加性噪声模型及校正公式基础上开展理论推导与验证，得出r_c方差的一般表达式，并分析噪声组分、样本量与重复数对精度的影响。其意义在于为校正相关系数的推断、不同设计比较和噪声表征提供统计基础。

关键技术方法（≤250字）：研究人员采用加性噪声模型，在信号方差相等、相关噪声方差相等、不相关噪声方差相等的简化条件下，利用一阶Taylor展开和delta方法（delta method，基于一阶展开的渐近方差近似）推导样本相关系数及校正样本相关系数的渐近方差（asymptotic variance，大样本下方差近似）；以Monte Carlo模拟验证解析式；分析方差对各噪声组分相对误差的敏感性，并在总样本量约束下讨论观测数与重复数的优化分配；最后应用MetaboLights MTBLS93的GC–MS血清代谢组学数据集（133种代谢物）演示校正相关、置信区间（confidence interval, CI）和假设检验。样本队列来源为公开代谢组学数据集MTBLS93。

研究结果：3.1 加性噪声模型下样本相关系数的渐近方差（Asymptotic Variance of the Sample Correlation Coefficient Under the Additive Noise Model）：通过delta方法推广Fisher的无噪声方差公式，得到含噪声样本相关系数r的渐近方差，无噪声时退化为经典结果。3.2 加性噪声对样本相关系数方差的影响（Effect of Additive Noise on the Variance of the Sample Correlation Coefficient）：比较噪声与无噪声情形。3.2.1 不相关噪声：相对无噪声情形的方差（Uncorrelated Noise: Variance Relative to the Noise-Free Case）：同一n下，不相关加性噪声使r的方差总是增大。3.2.2 相关噪声：相对无噪声情形的方差（Correlated Noise: Variance Relative to the Noise-Free Case）：相关噪声下r的方差可大于或小于无噪声情形，取决于噪声相关系数及参数组合，并给出相应不等式条件。3.3 校正样本相关系数的方差（Variance of the Corrected Sample Correlation Coefficient）：推导r_c的方差。3.3.1 不相关噪声：总体参数已知时的方差（Uncorrelated Noise: Variance With Known Population Parameters）：参数已知时方差最小，r_c方差由r方差按组内相关系数（intraclass correlation coefficient, ICC，衡量重复测量中信号方差占总方差比例）缩放。3.3.2 不相关噪声：以噪声组分相对误差表示的方差（Uncorrelated Noise: Variance in Terms of the Relative Errors of the Noise Components）：用delta方法将r_c方差表示为各噪声组分相对误差的加权和。3.3.3 不相关噪声：噪声组分由数据估计时的方差（Uncorrelated Noise: Variance With the Noise Components Estimated From Data）：利用空白样本估计噪声方差，得到含噪声估计项的方差公式。3.3.4 不相关噪声：由重复测量估计ICC时的方差（Uncorrelated Noise: Variance With the Intraclass Correlation Estimated From Replicates）：由重复测量相关或ANOVA估计ICC；同一n与噪声水平下，r_c方差大于未校正r，且r_c可超过1。3.3.5 相关噪声：总体参数已知时的方差（Correlated Noise: Variance With Known Population Parameters）：给出参数已知时r_c方差，并经Monte Carlo验证。3.3.6 相关噪声：以噪声方差和相关系数相对误差表示的方差（Correlated Noise: Variance in Terms of the Relative Errors of the Noise Variance and Correlation）：给出相对误差表达式并进行Monte Carlo验证；一阶近似在相对误差较大时低估真实相对误差。3.3.7 相关噪声：噪声方差与相关系数由数据估计时的方差（Correlated Noise: Variance With the Noise Variance and Correlation Estimated From Data）：从数据估计噪声方差与噪声相关，推导r_c渐近方差并经模拟验证；小样本、高噪声时渐近式需谨慎。3.4 校正相关系数方差分析（Analysis of the Variance of the Corrected Correlation Coefficient）：分析方差贡献与设计。3.4.1 r_c的相对误差敏感性：不相关噪声（Relative-Error Sensitivity of r_c: Uncorrelated Noise）：Monte Carlo平均贡献显示r自身误差权重最大，两个噪声组分平均权重相同。3.4.2 样本量与观测数/重复数的最优分配（Sample Size and Optimal Allocation Between Observations and Replicates）：在总样本约束下给出优化分配，增加观测数与增加重复数的效果不同。3.4.3 r_c的相对误差敏感性：相关噪声（Relative-Error Sensitivity of r_c: Correlated Noise）：r误差仍权重最大，但相关噪声方差贡献大于不相关噪声方差，噪声相关也有贡献。3.4.4 相关噪声下的最优样本分配（Optimal Sample Allocation in the Case of Correlated Noise）：平均总方差中r项占主导；增加观测数通常比同等增加重复数更有效，最优分配偏向更多观测数n。3.5 校正样本相关系数的置信区间（Confidence Intervals for the Corrected Sample Correlation Coefficient）：基于Fisher变换构造CI；因r_c可超过1且分布非正态，Fisher区间覆盖可能不足，Wald型区间至少不差，高噪声小样本宜用重采样方法。4 应用（Applications）：在代谢组学数据中演示。4.1 噪声估计与校正相关（Noise Estimation and Corrected Correlations）：校正后相关模式更强；CI宽度主要受重复数k控制，重复不足时区间宽、排除零的比例低。4.2 假设检验（Hypothesis Testing）：对8778对相关用Fisher检验和Wald统计量检验；校正后显著对数下降，未出现校正前不显著而校正后显著的情形；相关噪声下零假设可产生伪相关，传统临界值不适用于校正系数。

讨论部分总结：渐近方差推导假设统计量相互独立并忽略协方差，需用独立样本估计相关量；一阶近似在噪声组分相对误差较大时低估方差；当噪声方差接近或超过信号方差时，r_c分母可能很小甚至为负，抽样分布重尾，渐近式可能严重低估方差，此时bootstrap或jackknife更可取。Fisher变换CI依赖近似正态且r_c可超过1，Wald型CI在高噪声下仍可能不可靠；假设检验中校正后标准误增大可降低功效，相关噪声下未校正检验也可能因伪相关而增大I类错误，传统临界值不能可靠适用，需基于噪声模型推导或模拟临界值。

研究结论翻译：所有生物和生物化学量的测量，尤其是组学领域通过高通量平台获得的测量，都可能受到显著实验噪声影响，并表现为加性（及乘性）的相关与不相关组分。因此，校正相关系数可用于获得感兴趣量之间真实相关性的无偏估计。研究人员给出了校正样本相关系数的方差和标准误公式，可用于假设检验或评估校正系数之间差异的显著性；然而，显然需要更精细和更新的统计工具与结果来推进校正系数的使用。研究结果表明，始终需要专门实验来表征实验平台的误差结构，并且通过探索校正相关系数的方差可获得最优设计的指征。代谢组学数据应用显示，校正相关系数的方差可用于指示需要多少重复才能使校正相关可靠；在足够重复下，大多数关联在校正后仍显著。校正系数应连同其置信区间报告。将这些结果扩展到在组学平台中占主导的乘性噪声是明显的下一步。