Jestem nowicjuszem w problemie wielokrotnych porównań. Zastanawiam się, jak obliczyć przedziały ufności dla metody Holma-Bonferroniego?
Wiem, że dla metody Bonferroniego możemy po prostu zmienić poziom ufności z na .
Czy ta metoda działa również w przypadku Holm-Bonferroni?
Wygląda na to, że metoda HB nie zapewnia procedury korekty konf. interwał. Ale czy mógłbyś skomentować, czy mogę zastosować jedną metodę korekcji wartości p, a drugą metodę korekcji odstępów?
multiple-comparisons
bonferroni
Macaronnos
źródło
źródło
Odpowiedzi:
[Ta odpowiedź jest całkowicie przepisana od wczoraj.]
Pierwsza nomenklatura. Metoda Holm jest również nazywana metodą obniżającą Holm lub metodą Holm-Ryan . Wszystkie są takie same. Niezależnie od tego, której nazwy używasz, istnieją dwie alternatywne obliczenia. Oryginalna metoda Holma oparta jest na Bonferroni. Alternatywna, nieco bardziej wydajna metoda opiera się na Sidaku, dlatego nazywa się to metodą Holma-Sidaka.
Metoda Holma może być używana do wielokrotnych porównań w różnych kontekstach. Jego wejściem jest stos wartości P. Jedno zastosowanie jest zgodne z ANOVA, porównując pary średnich, jednocześnie korygując wielokrotne poprawki. Gdy tak się dzieje, o ile widzę, bardzo rzadko zgłaszane są przedziały ufności (skorygowane dla wielu porównań, tak zwane właściwie równoczesne przedziały ufności), a także wnioski dotyczące istotności statystycznej i wartości P skorygowanych pod względem mnogości.
Znalazłem dwa artykuły wyjaśniające sposób obliczania takich przedziałów ufności, ale różnią się one.
Serlin, R. (1993). Przedziały ufności i metoda naukowa: przypadek Holma dotyczący zasięgu. Journal of Experimental Education, 61 (4), 350–360.
Ludbrook, J. WIELOFUNKCJE WYKORZYSTUJĄCE PRZERWY UFNOŚCI. Farmakologia kliniczna i eksperymentalna oraz fizjologia (2000) 27, 212–215
W przypadku porównań z najmniejszymi wartościami P dwie metody są takie same (ale jedna używa C jako liczby porównań, a druga używa m ). Jednak w przypadku porównań z większymi wartościami P obie metody różnią się. Dla porównania z największą wartością P Ludbrook obliczy 95% CI normalnie, bez korekty dla wielu porównań. Serlin użyłby tej samej korekty dla wszystkich porównań ze skorygowaną wartością P większą niż 0,05 (zakładając, że chcesz przedziały 95%), więc przedziały dla porównań z dużymi wartościami P byłyby szersze niż te, które generuje metoda Ludbrook.
Obie metody wykorzystują podejście Bonferroniego, ale można je łatwo dostosować do podejścia Sidaka.
Wszelkie przemyślenia na temat tego, która metoda jest poprawna / lepsza?
źródło