ボンフェローニ調整の使用方法と使用時期

ボンフェローニ調整をいつ使用するかに関して、2つの質問があります。

• 複数のテストのすべてのケースでボンフェローニ調整を使用することは適切ですか？
• データセットでテストを実行する場合、そのデータセットをより細かいレベルに分割し（例：性別によるデータの分割）、同じテストを実行しますが、これは知覚される個々のテストの数にどのように影響しますか？つまり、男性と女性の両方からのデータを含むデータセットでX個の仮説をテストし、データセットを分割して男性と女性のデータを別々に与え、同じ仮説をテストした場合、個々の仮説の数はXのままか、追加のテスト？

コメントしてくださってありがとうございます。

ボンフェローニ調整は、常に家族ごとのエラー率を強力に制御します。これは、テストの性質や数、またはそれらの仮定が満たされている場合、それらの関係に関係なく、すべてのテストの中で誤った有意な結果が1つでも発生する確率が最大でであることを保証しますレベル。したがって、常に利用可能です。$\alpha$

使用するのが適切であるかどうか（別の方法とは対照的に、あるいはまったく調整を行わない場合）は、目的、専門分野の基準、および特定の状況により適した方法の可用性に依存します。少なくとも、Holm-Bonferroni法を検討する必要があります。これは、一般的ですが保守的ではありません。

あなたの例に関しては、いくつかのテストを実行しているため、家族ごとのエラー率（少なくとも1つの帰無仮説を誤って拒否する確率）を増やしています。各半分で1つのテストのみを実行する場合、Hommelの方法または誤検出率（家族ごとのエラー率とは異なる）を制御する方法など、多くの調整が可能です。データセット全体に対してテストを実行した後、いくつかのサブテストを実行すると、テストは独立しなくなるため、一部の方法は適切ではなくなります。前にも言ったように、Bonferroniは常に利用可能であり、広告どおりに機能することが保証されています（ただし、非常に保守的でもあります）。

問題全体を無視することもできます。正式には、家族単位のエラー率は高くなりますが、テストが2つしかないため、それほど悪くはありません。また、主な結果として扱われるデータセット全体のテストから開始し、その後、二次的な結果または補助的な仮説として理解されるため、修正されていないさまざまなグループのサブテストを行うこともできます。

そのように多くの人口統計学的変数を検討する場合（出入りから性別の違いをテストする計画や、より体系的なモデリング手法とは対照的に）、問題は「データed」の重大なリスクを伴います実際には何も起こらなかったが、実際には何も起こらなかったが、複数のテストに対して何らかの形の調整を検討する必要があります。論理はX個の異なる仮説で同じままです（X個の仮説を2回（データセットの各半分に1回ずつ）テストすると、X回の仮説を1回だけテストするよりも家族単位のエラー率が高くなります。

私は同じ問題を見ていて、本の中にテキストを見つけました：

関連する章のコピーは、ここから無料で入手できます。

http://www.utdallas.edu/~herve/Abdi-Bonferroni2007-pretty.pdf

ボンフェロンニ補正をさまざまな状況（独立テストと非独立テスト）に適用する方法について説明し、いくつかの代替案について簡単に説明します。また、テストする比較の数が多くなると、テストが控えめになりすぎて、重要なものを見つけることができなくなる可能性があることにも言及しています（10回の比較を行う場合、などの20回のテストに対して）$α[PT]= 1-(1-0.05)^(1/10) = 0.0051$

公平を期すために、現在の研究プロジェクトのために多くの異なる経済/計量経済学の記事を見てきましたが、その限られた経験の中で、2-5のテストを比較する際にそのような修正を適用する記事はあまりありませんでした。

医療データと科学データは、異分散の医療データが同種分散の生物学データとは異なり実験的ではないという点で、相容れないほど異なることを覚えておく必要があります。また、電力テストとボンフェローニ型補正の役割に関する多くの議論は、認識できない代替分配の性質に関する推測のみを含むことを思い出してください。べき乗計算でベータを設定することは任意の手順です。これを宣伝する医学統計学者はいません。第二に、データサンプルの（内の）自己相関がある場合、中央極限定理に違反しており、正規ベースのガウス検定は無効です。第3、多くの医学現象は、有限平均および/または有限分散（コーチ型分布）を持たず、フラクタル耐性の統計分析を必要とするフラクタルベースの分布であるという意味で、正規分布が時代遅れになっていることを思い出してください。初期分析中に見つけたものに依存する事後分析を実行することは不適切です。最後に、被験者間の全単射性は必ずしも有効ではなく、ボンフェローニ補正の条件は、先験的な実験設計中にのみ一意にいじられる重要な要素です。ナイジェル・T・ジェームズ。MB BChir、（英国の医学の学位）、修士（応用統計）。被験者間の全単射性は必ずしも有効ではなく、ボンフェローニ補正の条件は、先験的な実験設計中にのみ一意にいじられるべき重要な要素です。ナイジェル・T・ジェームズ。MB BChir、（英国の医学の学位）、修士（応用統計）。被験者間の全単射性は必ずしも有効ではなく、ボンフェローニ補正の条件は、先験的な実験設計中にのみ一意にいじられるべき重要な要素です。ナイジェル・T・ジェームズ。MB BChir、（英国の医学の学位）、修士（応用統計）。