여러 테스트 방법

Question

나는 Anova에 ... 같은 Bonferroni, Fisher's LSD, DUncan, Dunn-Sidak Newman-Keuls, Tukey 등 여러 테스트 보정의 다른 종류의 효과를 시뮬레이션합니다.

나는 단순히 일반 Anova을 실행해야한다고 생각합니다. 그런 다음 p.adjust을 사용하여 계산 한 중요도로 p.value을 수락합니다. 그러나 나는이 p.adjust 함수가 어떻게 작동하는지 알 수 없다. p.adjust()에 대한 통찰력을 줄 수 있습니까?

실행하는 경우 :

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

사람이 무엇을 의미 하는가에 관한 설명 할 수 있을까요?

답장을 보내 주셔서 감사합니다. 나는 약간 그 모든 것을 알고있다. 그러나 나는 여전히 p.adjust의 결과를 이해하지 못합니다. 나는 ... 그 기대

P.adjust (0.08, '페로 니', N = 10)

이 ... 것은 0.008가 아닌 0.8 반환 것입니다. n = 10은 내가 10 번의 비교를한다는 것을 의미하지 않습니다. 0.08 "원래 알파"가 아닙니다. (하나의 간단한 비교를 사용하면 NULL 가설을 거부하는 데 사용할 임계 값을 의미합니다)

Answer 1

여러 가지 테스트 수정 기술에 대해 읽어야합니다. False Discovery Rate (FDR) 또는 Family-Wise Error Rate (FWER이어야합니다. (약어를 확장하는 것을 지적하기위한 @thelatemail에 감사).

페로 니 보정 n는 (여기 n=3) 전형적인 다중 비교 시험 가설의 수이며 alpha/n에 중요도 alpha 설정하여 FWER을 제어한다.

5 % 알파에서 테스트한다고 가정 해 보겠습니다. P 값이 < 0.05 인 경우 NULL을 거부합니다. n=3의 경우 Bonferroni 보정의 경우 alpha을 3 = 0.05/3 ~ 0.0167로 나눈 다음 p 값이 < 0.0167인지 확인할 수 있습니다.

동등하게 (직접적으로 분명 함) pval < alpha/n을 확인하는 대신 n을 다른 쪽 pval * n < alpha으로 가져올 수 있습니다. 따라서 alpha은 같은 값을 유지합니다. 따라서 p 값에 3을 곱한 다음 예를 들어 < alpha = 0.05인지 확인합니다.

따라서 출력은 FWER controlled p-value이고이 값이 < 알파 (5 %)라고 가정하면 NULL을 거부합니다. 그렇지 않으면 NULL 가설을 적용합니다.

각 테스트마다 다중 테스트로 인한 오탐 (false-positives)을 제어하는 ​​절차가 다릅니다. Wikipedia는 오탐 (false-positives)을 제어하는 ​​방법을 수정하는 방법에 대한 다른 테스트에 대해 배우기에 좋은 출발점이 될 수 있습니다.

그러나 출력이 p.adjust 인 경우는 일반적으로 multiple-testing corrected p-value이됩니다. Bonferroni의 경우 FWER로 관리되는 P- 값입니다. BH 방법의 경우에는 FDR 보정 된 p 값 (또는 q 값이라고도 함)입니다.

희망이 조금 도움이됩니다.