ピアソンの相関と線形回帰によるボンフェローニ補正

私は5つのIV（5つの性格特性、外向性、快適さ、良心、神経症、開放性）について、PCTに対する態度、CBTに対する態度、PCTに対する態度、CBTに対する統計を実行しています。他にどのような影響があるかを確認するために、年齢と性別も追加しました。

私は、性格特性がDVの態度を予測できるかどうかをテストしています。

私は最初にすべての変数にピアソンの相関を使用しました（45テスト）。

主な発見は、外向性がPCTの態度とp = 0.05で相関していたことでした。しかし、45のテストを実行していたため、アルファ= 0.05 / 45 = 0.001のボンフェローニ補正を実行したため、この結果は重要ではありません。

その後、すべての変数に対して単純な線形回帰を実行しましたが、PCTに対する態度では外向性が有意でした。ボンフェローニ修正を行うと、これは重要ではなくなります。

質問：

1. ピアソンの相関でボンフェローニを修正する必要がありますか？
2. 私がそうし、PCTへの態度を無視した外向性を作る場合、線形回帰を行うことにまだ意味がありますか？
3. 線形回帰を行う場合、これについてもボンフェローニ補正を行う必要がありますか？
4. 修正された値のみ、または修正されていない値と修正された値の両方を報告しますか？

Chlは、質問に直接答えることなく、多くの優れた資料と参考文献を紹介したと思います。一部の統計学者が多重度調整を信じておらず、多くのベイジアンがp値を信じていないことを知っているので、私が与える答えは少し物議を醸すかもしれません。実際、ドンベリーが、特にタイプIのエラーを制御する適応型設計でベイジアンアプローチを使用することは問題ではないと言うのを聞いたことがあります。彼は、悪い薬が市場に出ないようにすることが実際にFDAにとってどれほど重要であるかを見て、後でそれを取り戻しました。

私の答えはイエスとノーです。45テストを行う場合は、多重度を調整する必要がありますが、保守的すぎる可能性があるため、Bonferroniを調整する必要はありません。相関のためにデータをマイニングするときのタイプIエラーのインフレーションは、引用された投稿「見れば相関が見つかる」で注目を集めた問題であることは明らかです。3つのリンクすべてが優れた情報を提供します。私が欠けていると思うのは、ウェストフォールとヤングによって非常にうまく開発されたp値調整へのリサンプリングアプローチです。例はブートストラップブックに、詳細はリサンプリングブックにあります。私の推奨事項は、p値調整のためのブートストラップまたは置換方法を検討することであり、おそらく、家族ごとのエラー率よりも誤った発見率を検討することです。

Westfall and Youngへのリンク：http ://www.amazon.com/Resampling-Based-Multiple-Testing-Adjustment-Probability/dp/0471557617/ref=sr_1_1?s=books&ie=UTF8&qid=1343398751&sr=1-1&keywords=peter+ Westfall

多重比較に関するBretzらの最近の本：http ://www.amazon.com/Multiple-Comparisons-Using-Frank-Bretz/dp/1584885742/ref=sr_1_2?s=books&ie=UTF8&qid=1343398796&sr=1-2&keywords= ピーター+ウェストフォール

セクション8.5の資料と大量のブートストラップ参照がある私の本：http : //www.amazon.com/Bootstrap-Methods-Practitioners-Researchers-Probability/dp/0471756210/ref=sr_1_2? s=books&ie=UTF8&qid=1343398953&sr =1 -2＆keywords = michael + chernick

これは探索的研究/データ分析であり、確認ではないように思えます。つまり、何らかの理由で外向性だけがPCTに関連しているべきだという理論から始めたようには思えません。したがって、アルファ調整についてはCDAとの関連性が高いと考えているので、あまり心配する必要はありません。代わりに、私は何かとしてそれについて考えるでしょうかもしれません真実であり、私が目前のトピックについて私が知っていることに照らして、これらのアイデア/可能性を試してください。この発見を見て、それは本当のことですか、それとも懐疑的ですか？もしそれが真実であるならば、それは現在の理論にとって何を意味するでしょうか？面白いですか？それは重要でしょうか？新しい（確認）調査を実行して、それが真実かどうかを判断し、それに伴う潜在的な時間、労力、および費用を考慮に入れることは価値がありますか？ボンフェローニ修正の理由は、非常に多くの変数があるときに何かが表示されることを期待しているためです。だから私はヒューリスティックは「真実がノーであることが判明したとしても、この研究は十分に有益であろうか？'？価値がないと判断した場合、この関係は「可能性」のカテゴリに留まり、次に進みますが、価値がある場合はテストします。

以下によると：http : //birnlab.psychiatry.wisc.edu/resources/fMRI_TestRetest_Documentation.pdf

有意性を判断するときは、多重比較のp値を修正します。たとえば、Bonferroniで修正されたp値は、p値を比較の総数で割った値です。この場合、m（m − 1）/ 2の一意の接続です。

たとえば、相関のカットオフp値は0.05であり、相関テーブルが100 * 100であると仮定します。次に、p値を0.05 /（100 * 99/2）に調整します。

線形回帰は、上記と同様にBonferroni補正を適用します。

答えはあなたの質問とは関係がないようです。その場合はお知らせください。明確にするために最善を尽くします。それがお役に立てば幸いです。