Tôi có một bộ dữ liệu nơi tôi kiểm tra sự khác biệt đáng kể giữa ba quần thể đối với khoảng 50 biến khác nhau. Tôi thực hiện điều này bằng cách sử dụng các thử nghiệm Kruskal-Wallis, mặt khác, và bằng các thử nghiệm tỷ lệ của mô hình GLM lồng nhau phù hợp (mặt khác có và không có dân số là một biến độc lập).
Kết quả là, tôi có một danh sách các giá trị Kruskal-Wallis trên một mặt và mặt khác tôi nghĩ là giá trị vuông từ các so sánh LRT.
Tôi cần thực hiện một số hình thức chỉnh sửa thử nghiệm vì có> 50 thử nghiệm khác nhau và FDR của Stewamini-Hochberg có vẻ như đó là sự lựa chọn hợp lý nhất.
Tuy nhiên, các biến có thể không độc lập, với một số "dòng họ" có tương quan với nhau. Câu hỏi đặt ra là: làm thế nào tôi có thể biết liệu tập hợp các số liệu thống kê cơ bản cho các giá trị của tôi có đáp ứng các yêu cầu của sự phụ thuộc tích cực cần thiết cho thủ tục Stewamini-Hochberg vẫn bị ràng buộc với FDR không?
Bài báo của Stewamini-Hochberg-Yekutieli từ năm 2001 nói rằng điều kiện PRDS dành cho phân phối bình thường và học sinh đa biến. Điều gì về tỷ lệ khả năng của tôi kiểm tra giá trị Chi bình phương để so sánh mô hình? Thế còn giá trị tôi có cho các bài kiểm tra Kruskal-Wallis thì sao?
Tôi có thể sử dụng hiệu chỉnh FDR trong trường hợp xấu nhất của Stewamini-Hochberg-Yekutieli mà không cho rằng không phụ thuộc vào sự phụ thuộc, nhưng tôi nghĩ rằng nó có thể quá bảo thủ trong trường hợp này và bỏ lỡ một số tín hiệu liên quan.