คำถามติดแท็ก bonferroni

ฉันได้พูดคุยกับนักสถิติย้อนกลับไปเมื่อปี 2552 ซึ่งเขากล่าวว่าค่าที่แน่นอนของ p-value นั้นไม่เกี่ยวข้อง: สิ่งเดียวที่สำคัญคือไม่ว่ามันจะสำคัญหรือไม่ก็ตาม เช่นผลลัพธ์หนึ่งจะไม่สำคัญกว่าอีก ตัวอย่างของคุณอาจมาจากประชากรเดียวกันหรือไม่ก็ได้ ฉันมีคุณสมบัติบางอย่างกับสิ่งนี้ แต่บางทีฉันสามารถเข้าใจอุดมการณ์: ขีด จำกัด 5% นั้นเป็นกฎเกณฑ์นั่นคือ p = 0.051 นั้นไม่มีนัยสำคัญและ p = 0.049 คือไม่ควรเปลี่ยนข้อสรุปของการสังเกตหรือการทดสอบของคุณจริงๆแม้ว่าผลลัพธ์หนึ่งรายการจะสำคัญ เหตุผลที่ทำให้ตอนนี้ขึ้นมาก็คือตอนนี้ฉันกำลังศึกษาปริญญาโทด้านชีวสารสนเทศศาสตร์และหลังจากพูดคุยกับผู้คนในภาคสนามดูเหมือนว่าจะมีความมุ่งมั่นที่จะได้รับค่า p ที่แน่นอนสำหรับสถิติทุกชุดที่พวกเขาทำ ตัวอย่างเช่นหากพวกเขา 'บรรลุ' ค่า p ของ p <1.9 × 10 -12พวกเขาต้องการแสดงให้เห็นว่าผลลัพธ์ของพวกเขามีนัยสำคัญอย่างไรและผลลัพธ์นี้เป็นข้อมูลที่ยอดเยี่ยม ปัญหานี้เป็นตัวอย่างที่มีคำถามเช่น: เหตุใดฉันจึงไม่สามารถรับค่า p น้อยกว่า 2.2e-16 ได้ โดยที่พวกเขาต้องการบันทึกค่าที่บ่งชี้ว่าโดยบังเอิญเพียงอย่างเดียวนี่จะน้อยกว่า 1 ในล้านล้าน แต่ฉันเห็นความแตกต่างเล็กน้อยในการแสดงให้เห็นว่าผลลัพธ์นี้จะเกิดขึ้นน้อยกว่า 1 ในล้านล้านเมื่อเทียบกับ 1 ในพันล้าน ฉันรู้สึกซาบซึ้งที่ …

31 statistical-significance  p-value  bonferroni 

เรารู้ว่าเราต้องใช้การแก้ไขที่คล้ายกับ Benjamini Hochberg สำหรับการทดสอบสมมุติฐานหลายครั้งกับการทดลองโดยใช้ชุดข้อมูลเดียวเพื่อควบคุมอัตราการค้นพบที่ผิดพลาดมิฉะนั้นการทดลองทั้งหมดที่ให้ผลบวกอาจเป็นเท็จ แต่ทำไมเราไม่ใช้หลักการเดียวกันนี้กับการทดลองทั้งหมดตั้งแต่ต้นเวลาไม่ว่าข้อมูลจะมาจากไหน ท้ายที่สุดแล้วกว่าครึ่งหนึ่งของผลลัพธ์ทางวิทยาศาสตร์ที่ตีพิมพ์ซึ่งถือว่า "สำคัญ" เป็นที่รู้กันว่าเป็นเท็จและไม่สามารถแก้ไขได้และไม่มีเหตุผลว่าทำไมสิ่งนี้ถึงไม่สามารถทำได้ง่ายเพียง 100% เนื่องจากนักวิทยาศาสตร์มีแนวโน้มที่จะเผยแพร่ผลลัพธ์เชิงบวกเท่านั้นเราจึงไม่มีความคิดเกี่ยวกับจำนวนผลลัพธ์เชิงลบดังนั้นเราจึงไม่มีความคิดว่าสิ่งที่เราเผยแพร่นั้นเป็นผลบวกที่ผิดพลาดเท่านั้น - ผลลัพธ์ในเชิงบวกที่ตัดขึ้นโดยบังเอิญแบบสุ่มภายใต้สมมติฐานว่าง ในขณะเดียวกันไม่มีอะไรที่จะบอกได้ว่าคณิตศาสตร์ที่อยู่เบื้องหลังการแก้ไขการทดสอบสมมติฐานหลายข้อควรนำไปใช้กับผลลัพธ์จากชุดข้อมูลเดียวกันเท่านั้นและไม่เป็นผลจากข้อมูลการทดลองทั้งหมดที่ได้รับเมื่อเวลาผ่านไป ดูเหมือนว่าวิทยาศาสตร์ทั้งหมดได้กลายเป็นหนึ่งในการสำรวจการตกปลาครั้งใหญ่ครั้งหนึ่งซึ่งตั้งอยู่บนสมมติฐานที่ผิด ๆ หรืออ่อนแอดังนั้นเราจะควบคุมสิ่งนี้ได้อย่างไร เราจะควบคุมอัตราการค้นพบที่ผิดพลาดได้อย่างไรหากสิ่งที่เราเคยเผยแพร่นั้นเป็นผลลัพธ์ที่เป็นอิสระโดยไม่ต้องใช้การแก้ไขใด ๆ สำหรับการทดสอบสมมติฐานหลายครั้งกับการทดลองทั้งหมดที่ดำเนินการจนถึงปัจจุบัน เป็นไปได้หรือไม่ที่จะควบคุมอัตราการค้นพบที่ผิดพลาดโดยไม่ใช้การแก้ไขเช่นนี้?

24 hypothesis-testing  multiple-comparisons  bonferroni  false-discovery-rate 

ผมอ่านบทความต่อไปนี้: Perneger (1998) มีอะไรผิดปกติกับการปรับ ผู้เขียนสรุปโดยบอกว่าการปรับ Bonferroni มีการใช้งานที่ จำกัด ในการวิจัยด้านชีวการแพทย์และไม่ควรใช้เมื่อประเมินหลักฐานเกี่ยวกับสมมติฐานที่เฉพาะเจาะจง: คะแนนสรุป: การปรับนัยสำคัญทางสถิติสำหรับจำนวนการทดสอบที่ทำกับข้อมูลการศึกษา - วิธี Bonferroni - สร้างปัญหามากกว่าที่จะแก้ วิธี Bonferroni เกี่ยวข้องกับสมมติฐานว่างทั่วไป (ว่าสมมติฐานว่างทั้งหมดเป็นจริงพร้อมกัน) ซึ่งไม่ค่อยน่าสนใจหรือใช้สำหรับนักวิจัย จุดอ่อนหลักคือการตีความการค้นพบขึ้นอยู่กับจำนวนการทดสอบอื่น ๆ ที่ดำเนินการ โอกาสของข้อผิดพลาด type II ก็เพิ่มขึ้นเช่นกันดังนั้นความแตกต่างที่สำคัญอย่างแท้จริงจึงถือว่าไม่สำคัญ เพียงแค่อธิบายว่าการทดสอบความสำคัญได้รับการดำเนินการอย่างไรและทำไมโดยทั่วไปแล้วเป็นวิธีที่ดีที่สุดในการจัดการกับการเปรียบเทียบหลายรายการ ฉันมีชุดข้อมูลต่อไปนี้และฉันต้องการแก้ไขการทดสอบหลายรายการ แต่ฉันไม่สามารถตัดสินใจได้ว่าวิธีที่ดีที่สุดในกรณีนี้คืออะไร ฉันต้องการทราบว่ามีความจำเป็นหรือไม่ที่จะต้องทำการแก้ไขประเภทนี้สำหรับชุดข้อมูลทั้งหมดที่มีรายการวิธีการและวิธีการที่ดีที่สุดสำหรับการแก้ไขในกรณีนี้คืออะไร

23 hypothesis-testing  multiple-comparisons  bonferroni 

เมื่อเราทำการทดลอง (ขนาดตัวอย่างเล็ก ๆ (โดยปกติขนาดตัวอย่างต่อกลุ่มการรักษาประมาณ 7 ~ 8)) ในสองกลุ่มเราใช้การทดสอบ t-test เพื่อทดสอบความแตกต่าง อย่างไรก็ตามเมื่อเราทำการ ANOVA (เห็นได้ชัดว่ามีมากกว่าสองกลุ่ม) เราใช้บางสิ่งบางอย่างตามแนวของ Bonferroni (LSD / # ของการเปรียบเทียบแบบเป็นคู่) หรือ Tukey เป็นโพสต์เฉพาะกิจและในฐานะนักเรียนฉันถูกเตือนให้ออกจาก ใช้ความแตกต่างที่สำคัญน้อยที่สุดของฟิชเชอร์(LSD) ทีนี้ก็คือตอนนี้ LSD คล้ายกับ pairwise t-test (ใช่ไหม?) และสิ่งเดียวที่มันไม่ได้อธิบายก็คือเรากำลังทำการเปรียบเทียบหลายครั้ง มีความสำคัญเพียงใดเมื่อพูดถึง 6 กลุ่มถ้า ANOVA นั้นมีความสำคัญ? หรืออีกนัยหนึ่งมีเหตุผลทางวิทยาศาสตร์ / สถิติสำหรับการใช้ LSD ของฟิชเชอร์หรือไม่?

22 anova  multiple-comparisons  post-hoc  bonferroni  fishers-lsd 

ฉันมีคำถามสองข้อเกี่ยวกับเวลาที่จะใช้การปรับ Bonferroni: เหมาะสมที่จะใช้การปรับ Bonferroni ในทุกกรณีของการทดสอบหลายครั้งหรือไม่? หากมีการทดสอบกับชุดข้อมูลหนึ่งชุดจะแยกชุดข้อมูลออกเป็นระดับปลีกย่อย (เช่นแยกข้อมูลตามเพศ) และทำการทดสอบเดียวกันสิ่งนี้จะมีผลต่อจำนวนการทดสอบแต่ละรายการที่รับรู้อย่างไร นั่นคือถ้ามีการทดสอบสมมติฐาน X บนชุดข้อมูลที่มีข้อมูลจากทั้งชายและหญิงจากนั้นชุดข้อมูลจะถูกแบ่งออกเพื่อให้ข้อมูลเพศชายและเพศหญิงแยกกันและสมมติฐานเดียวกันที่ทดสอบจำนวนของสมมติฐานแต่ละรายการจะยังคงเป็น X หรือเพิ่มขึ้นเนื่องจาก การทดสอบเพิ่มเติม? ขอบคุณสำหรับความคิดเห็นของคุณ

21 multiple-comparisons  bonferroni  type-i-and-ii-errors 

จำนวนตัวแปรอิสระที่ จำกัด ไว้ที่หนึ่งอาจป้อนในสมการถดถอยหลายคืออะไร? ฉันมีตัวทำนาย 10 ตัวที่ฉันต้องการตรวจสอบในแง่ของการมีส่วนร่วมของพวกเขากับตัวแปรผลลัพธ์ ฉันควรใช้การแก้ไข bonferroni เพื่อปรับสำหรับการวิเคราะห์หลายครั้งหรือไม่

19 regression  predictor  importance  bonferroni 

การค้นพบสถิติการอ่านของฟิลด์โดยใช้ SPSS (ฉบับที่ 3) ฉันรู้สึกสับสนเล็กน้อยเกี่ยวกับการทดสอบหลังเหตุการณ์ใน ANOVA สำหรับผู้ที่ต้องการควบคุมอัตราความผิดพลาด Type I เขาแนะนำ Bonferroni หรือ Tukey และพูดว่า (หน้า 374): Bonferroni มีพลังมากขึ้นเมื่อจำนวนการเปรียบเทียบมีขนาดเล็กในขณะที่ Tukey มีประสิทธิภาพมากกว่าเมื่อทดสอบค่าเฉลี่ยจำนวนมาก ควรวาดเส้นตรงระหว่างจำนวนที่น้อยและมาก

19 anova  multiple-comparisons  post-hoc  bonferroni  tukey-hsd 

ฉันใช้โมเดลเชิงเส้นทั่วไปใน SPSS เพื่อดูความแตกต่างของจำนวนตัวหนอนเฉลี่ย (ไม่ใช่แบบปกติโดยใช้การกระจายแบบทวีด) ในพืช 16 ชนิดที่แตกต่างกัน ฉันต้องการเรียกใช้การเปรียบเทียบหลายรายการ แต่ฉันไม่แน่ใจว่าควรใช้การทดสอบการแก้ไข Sidak หรือ Bonferroni ความแตกต่างระหว่างการทดสอบทั้งสองคืออะไร? ดีกว่าอีกไหม?

13 multiple-comparisons  post-hoc  bonferroni 

ฉันเกรงว่าคำถามที่เกี่ยวข้องไม่ได้ตอบฉัน เราประเมินการแสดงของตัวจําแนก> 2 ตัว (การเรียนรู้ของเครื่อง) สมมติฐานว่างของเราคือการแสดงไม่แตกต่างกัน เราทำการทดสอบพารามิเตอร์ (ANOVA) และการทดสอบที่ไม่ใช่พารามิเตอร์ (ฟรีดแมน) เพื่อประเมินสมมติฐานนี้ หากพวกเขาสำคัญเราต้องการค้นหาว่าตัวแยกประเภทใดที่แตกต่างกันในเควสต์แบบเฉพาะกิจ คำถามของฉันคือสองเท่า: 1) การแก้ไขค่า p หลังจากการทดสอบแบบเปรียบเทียบหลายรายการจำเป็นหรือไม่? เว็บไซต์ Wikipedia ของเยอรมันใน "Alphafehler Kumulierung" กล่าวว่าปัญหาจะเกิดขึ้นก็ต่อเมื่อมีการทดสอบสมมติฐานหลายข้อในข้อมูลเดียวกัน เมื่อเปรียบเทียบตัวแยกประเภท (1,2), (1,3), (2,3) ข้อมูลจะทับซ้อนกันเพียงบางส่วนเท่านั้น ยังจำเป็นต้องแก้ไขค่า p หรือไม่? 2) การแก้ไขค่า P มักใช้หลังจากการทดสอบแบบคู่กับการทดสอบที มันเป็นสิ่งจำเป็นหรือไม่เมื่อทำการทดสอบแบบเฉพาะหลังเช่นการทดสอบแบบ Nemenyi (ไม่ใช่แบบพารามิเตอร์) หรือการทดสอบ HSD ของ Tukey คำตอบนี้บอกว่า "ไม่" สำหรับ HSD ของ Tukey: การทดสอบ Tukey …

11 multiple-comparisons  bonferroni  tukey-hsd 

ฉันเป็นผู้มาใหม่ในปัญหาของการเปรียบเทียบหลาย ๆ ฉันสงสัยว่าจะคำนวณช่วงความมั่นใจสำหรับวิธี Holm-Bonferroni ได้อย่างไร ฉันรู้ว่าสำหรับวิธีการ Bonferroni เราก็สามารถเปลี่ยนระดับความเชื่อมั่นจากเพื่อ{m}1−α1−α1-\alpha1−αm1−αm1-\frac{\alpha}{m} วิธีนี้ใช้ได้กับ Holm-Bonferroni หรือไม่ Edit:Edit:\bf{Edit}:ดูเหมือนว่าวิธี HB ไม่ได้มีขั้นตอนในการแก้ไข conf ระยะห่าง แต่คุณจะแสดงความคิดเห็นในฉันสามารถใช้วิธีหนึ่งสำหรับการแก้ไขค่า p และวิธีอื่นสำหรับการแก้ไขช่วงเวลา?

10 multiple-comparisons  bonferroni 

ฉันเห็นได้ว่าทำไมคุณไม่ใช้วิธีที่มีประสิทธิภาพมากกว่าเช่นวิธี Hochberg เหนือการแก้ไข Bonferroni เนื่องจากอาจมีการตั้งสมมติฐานเพิ่มเติมเช่นความเป็นอิสระของสมมติฐานในกรณีนี้ แต่ฉันไม่เข้าใจว่าทำไมคุณถึง เคยใช้การแก้ไข Bonferroni เหนือการดัดแปลงการปฏิเสธตามลำดับของโฮล์มเนื่องจากหลังนั้นมีประสิทธิภาพมากกว่าและไม่มีสมมติฐานมากกว่า Bonferroni ฉันพลาดอะไรไปหรือเปล่า

10 hypothesis-testing  bonferroni 

ฉันทำงานกับการวิเคราะห์เชิงพื้นที่เชิงสำรวจใน R โดยใช้แพ็คเกจ spdep ฉันเจอตัวเลือกในการปรับค่าpของตัวบ่งชี้ท้องถิ่นของการเชื่อมโยงเชิงพื้นที่ (LISA) ที่คำนวณโดยใช้localmoranฟังก์ชัน ตามเอกสารนั้นมีวัตถุประสงค์เพื่อ: ... การปรับค่าความน่าจะเป็นสำหรับการทดสอบหลายครั้ง เพิ่มเติมในเอกสารของp.adjustSPฉันอ่านว่าตัวเลือกที่ใช้ได้คือ: วิธีการปรับรวมถึงการแก้ไข Bonferroni ('"bonferroni"') ซึ่งค่า p ถูกคูณด้วยจำนวนการเปรียบเทียบ การแก้ไขจารีตน้อยกว่าสี่ประการรวมอยู่ใน Holm (1979) ('' holm ''), Hochberg (1988) ('"hochberg"'), Hommel (1988) ('hommel "') และ Benjamini & Hochberg (1995) ('"fdr"') ตามลำดับ ตัวเลือก pass-through ('"none"') รวมอยู่ด้วย สี่วิธีแรกถูกออกแบบมาเพื่อให้สามารถควบคุมอัตราความผิดพลาดที่เหมาะสำหรับครอบครัวได้ ดูเหมือนว่าไม่มีเหตุผลที่จะใช้การแก้ไข Bonferroni ที่ไม่ได้แก้ไขเพราะมันถูกครอบงำโดยวิธีการของ Holm ซึ่งก็ใช้ได้ภายใต้สมมติฐานโดยพลการ วิธีการของ Hochberg และ …

10 r  multiple-comparisons  bonferroni