多种测试方法

Question

对Bonferroni、Fisher's LSD、DUncan、Dunn-Sidak Newman-Keuls、Tukey等多种测试校正方法的效果进行了仿真。在Anova上。

我想我应该简单地运行一个常规的Anova。然后接受作为重要的p.value，我用p.adjust计算。但我不知道这个p.adjust函数是如何工作的。能给我一些关于p.adjust()的见解吗？

跑步时：

> p.adjust(c(0.05,0.05,0.1),"bonferroni")
# [1] 0.15 0.15 0.30

有人能解释一下这是什么意思吗？

谢谢你的回答。我对这些都有点了解。但我仍然不明白p.adjust的输出。我以为..。

P.adjust(0.08，'bonferroni'，n=10)

..。将返回0.008，而不是0.8。n=10，这不意味着我在做10次比较。而不是0.08是“原始阿尔法”(我指的是，如果我有一个简单的比较，我会用来拒绝空假设的阈值)。

Answer 1

您必须阅读每一种多测试校正技术，无论是False Discovery Rate (FDR)还是Family-Wise Error Rate (FWER)。(感谢@thelatemail指出要扩展缩写)。

Bonferroni校正控制FWER，方法是将显着性水平alpha设置为alpha/n，其中n是在一个典型的多个比较中测试的假设数(此处为n=3)。

假设你测试的是5%阿尔法。这意味着如果p值< 0.05，则拒绝NULL.对于n=3，对于Bonferroni校正，您可以将alpha除以3= 0.0167 /3~ 0.0167，然后检查p值是否小于0.0167。

同样地(这是显而易见的)，您可以不检查pval < alpha/n，而是将n带到另一边pval * n < alpha。因此alpha保持相同的值。因此，p值被乘以3，然后如果它们是< alpha =0.0 5，就会被检查。

因此，您获得的输出是FWER controlled p-value，如果这是< alpha (5%比如说)，那么您将拒绝NULL，否则您将接受空假设。

对于每个测试，都有不同的程序来控制由于多次测试而产生的假阳性.维基百科可能是一个很好的起点，可以了解其他测试如何正确地控制假阳性。

但是，您的p.adjust输出通常会给出multiple-testing corrected p-value。在Bonferroni的情况下，它是FWER控制的p值.在BH方法中，它是FDR校正的p-值(或也称为q-值).

希望这能帮点忙。