校正受试者内多次比较/重复测量方差分析;过于保守?


9

令我惊讶的是,在重复测量方差分析的情况下,可用于多次比较的校正过于保守。真的是这样吗?如果是这样,我可以使用哪些引用来支持这一点并了解更多信息?


您还指的是哪种MP校正?(顺便说一句,为什么使用alpha标签?)
chl

1
re alpha标签:仅因为更正通常是为了保持alpha常数。
russellpierce

我不确定MP在这种情况下代表什么,但是我在谈论的是经常使用的Bonferroni和/或Sidak多重比较校正。
russellpierce

我知道还有其他方法,例如“错误发现率”等等,但我特别希望评估和批评更常用的方法。
russellpierce

1
在我不断探索的过程中,似乎基本上有两个阵营:那些通过合并误差项采取“更好方法”的阵营,以及那些希望根据某种多重比较程序来调整p值的阵营(Bonferonni,Holm ...等等等等...似乎比我的手指更多。
russellpierce

Answers:


4

据我所知,线性对比的联合分布是在简单的方差分析情况下得出的(请参阅multcomp R程序包的文档),但是对于重复测量设置,没有封闭形式。但是,您始终可以在零下引导这些线性对比的联合分布,并查看最小t统计量(或最大p值)以通过FWE控制设置显着性阈值。正如您还建议的那样,您可以使用只需要在检验统计量的联合分布上有一定定性条件的方法。如果对比很少,Bonferroni是一个不错的选择。否则,请看一下霍尔姆的书。如果您正在寻找许多线性对比,那么您绝对应该问自己,您想要保护自己免受任何虚假发现或只有一个比例虚假的发现。在后一种情况下,请使用BH程序进行FDR控制。


1

这是指向SPSS论坛的链接的集合。希望您在某种程度上发现它与您相关:这个这个这个这个


1
感谢您指出方向。不幸的是,新闻组的帖子在发表的作品中讨论这些问题时远没有令人信服的证据。关于球形度的通用入门书很有趣,并指出了为何仍然普遍使用Bonferroni型p值调整。不幸的是,对于这种方法的保守性并没有真正的要求。
russellpierce
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.