Sửa lỗi cho nhiều so sánh trong một đối tượng trong phạm vi / các biện pháp lặp lại ANOVA; bảo thủ quá mức?


9

Tôi nhận ra rằng các hiệu chỉnh có sẵn cho nhiều so sánh trong bối cảnh của một biện pháp lặp đi lặp lại ANOVA là quá bảo thủ. Đây thực sự là trường hợp? Nếu vậy, một số trích dẫn tôi có thể sử dụng để hỗ trợ điểm này và tìm hiểu thêm là gì?


Bạn đang đề cập đến loại chỉnh sửa MP nào? (BTW, tại sao lại alphagắn thẻ?)
chl

1
lại thẻ alpha: Chỉ vì các hiệu chỉnh thường có nghĩa là giữ hằng số alpha.
russellpierce

Tôi không chắc MP là gì trong bối cảnh này, nhưng tôi đang nói về việc sửa chữa nhiều so sánh Bonferroni và / hoặc Sidak thường được sử dụng.
russellpierce

Tôi biết có những cách tiếp cận khác, ví dụ Tỷ lệ khám phá sai, v.v., nhưng tôi đặc biệt tìm cách đánh giá và phê bình những cách tiếp cận được sử dụng thường xuyên hơn.
russellpierce

1
Khi tôi tiếp tục đào xung quanh, dường như có hai trại ... những người có 'cách tiếp cận tốt hơn' thông qua một thuật ngữ lỗi gộp và những người muốn điều chỉnh giá trị p theo một quy trình so sánh nhiều loại (Bonferonni, Holm ... Vv ... dường như có nhiều người trong số họ hơn tôi có ngón tay).
russellpierce

Câu trả lời:


4

Theo hiểu biết tốt nhất của tôi, sự phân phối chung của các tương phản tuyến tính đã được bắt nguồn trong trường hợp ANOVA đơn giản (xem tài liệu của gói multcomp R), nhưng không có dạng đóng cho thiết lập các biện pháp lặp lại. Tuy nhiên, bạn luôn có thể Bootstrap phân phối chung của các độ tương phản tuyến tính này dưới giá trị null và xem xét thống kê t tối thiểu (hoặc giá trị p tối đa) để đặt ngưỡng ý nghĩa với điều khiển Fwe. Như bạn cũng đề xuất, bạn có thể sử dụng các phương pháp chỉ yêu cầu một số điều kiện định tính trên phân phối chung của thống kê kiểm tra. Bonferroni là một lựa chọn tốt nếu bạn có một vài sự tương phản. Nếu không, hãy nhìn vào Holm . Nếu bạn đang xem xét nhiều tương phản tuyến tính, bạn chắc chắn nên tự hỏi mình muốn bảo vệ khỏibất kỳ phát hiện sai hoặc chỉ một tỷ lệ của những khám phá sai. Trong trường hợp sau, sử dụng thủ tục BH để kiểm soát FDR.


1

Đây là một tập hợp các liên kết đến một diễn đàn SPSS. Hy vọng bạn tìm thấy nó có liên quan đến bạn ở một mức độ nào đó: này , này , này , này .


1
Cảm ơn đã chỉ theo một hướng. Thật không may, bài viết của nhóm tin tức là xa bằng chứng thuyết phục khi thảo luận về những vấn đề này trong công việc được công bố. Nguyên tắc chung về tính toàn cầu rất thú vị và chỉ ra lý do tại sao các điều chỉnh giá trị p Bonferroni-stype vẫn được sử dụng phổ biến. Thật không may, thực sự không có một bản cáo trạng nào về bản chất bảo thủ của phương pháp đó.
russellpierce
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.