全基因组关联研究是研究疾病与基因关联关系的有效方法,通过对DNA样本进行遗传标记分型筛选出复杂性遗传疾病的致病基因。Cochran-Armitage趋势性检验方法作为一种基于基因型的趋势性检验方法,常常用来评估一个二分类变量和一个有序分类变量之间的关联性。Sasieni(1997)之前在文献中证明过在基于病例-对照设计的基因关联研究中,基于基因型的假设检验方法比基于等位基因的假设检验方法具有更加稳健的优势,因为在哈代-温伯格平衡定律不成立条件下基于基因型的趋势性检验方法依然是适用的,但是基于等位基因的卡方检验方法效率较低,适用性较差。因此本文选择Cochran-Armitage趋势性检验方法来研究疾病与基因的关联性。以往多数基因关联研究是基于已知遗传模型的情形,但是对于大多数复杂性遗传疾病,它的遗传模型是未知的,在遗传模型未知情况下直接假设某一特定遗传模型可能会造成检验统计量功效的降低,导致检验效果不理想。其次由于技术因素或者研究成本的限制等问题,在对基因进行遗传标记分型时可能会出现偏差造成某些样本的基因型缺失,不能完全确定样本的基因型,而错误的填补基因型也会造成检验统计量功效降低,影响检验的效果。本文考虑构造基因型缺失和遗传模型未知情况下的趋势性检验统计量,用于解决基因关联研究中基因型缺失或者遗传模型未知的问题。本文在不同的基因型不确定率参数下模拟得到个体基因型概率的样本数据,针对这些基因型概率样本数据分别提出在显性遗传模型、可加遗传模型、隐性遗传模型下的Cochran-Armitage趋势性检验统计量,并且通过MAX3检验方法得出更为稳健的检验统计量。MAX3检验统计量在遗传模型未知情形下比Cochran-Armitage趋势检验统计量更加稳健,同时提出了一个简单的算法去计算MAX3检验统计量在原假设下的近似分布,简化了计算复杂性。由本文的模拟结果可知,在各种参数下,MAX3检验统计量的第一类错误率普遍较小,在各个遗传模型下统计功效比较稳定。综上所述,在基因型不确定的情形下,MAX3检验统计量在遗传模型未知情形下是稳健的统计量。