Исправление для множественных сравнений в пределах предметов / повторных измерений ANOVA; чрезмерно консервативный?

Меня поражает, что доступные поправки для множественных сравнений в контексте повторных измерений ANOVA являются чрезмерно консервативными. Это действительно так? Если да, то какие цитаты я могу использовать, чтобы поддержать этот момент и узнать больше?

anova repeated-measures multiple-comparisons russellpierce
источник

Какую коррекцию MP вы тоже имеете в виду? (Кстати, почему alphaтег?)

Chl

Альфа-тег: только потому, что исправления обычно предназначены для поддержания альфа-константы.

Расселпирс

Я не уверен, что означает MP в этом контексте, но я говорю о часто используемых исправлениях множественных сравнений Bonferroni и / или Sidak.

Расселпирс

Я знаю, что есть и другие подходы, например, False Discovery Rate и т. Д., Но я специально стремлюсь оценивать и критиковать наиболее часто используемые подходы.

Расселпирс

По мере того, как я продолжаю копаться, кажется, что по существу есть два лагеря: те, у кого есть «лучший подход» через объединенный термин ошибки, и те, кто хочет скорректировать значение p в соответствии с какой-то процедурой множественного сравнения (Bonferonni, Holm ... и т. д. ... кажется, что их больше, чем у меня есть пальцы).

Расселпирс

Ответы:

Насколько мне известно, совместное распределение линейных контрастов было получено в простом случае ANOVA (см. Документацию пакета multcomp R), но закрытых форм для настройки повторных измерений не существует. Тем не менее, вы всегда можете запустить совместное распределение этих линейных контрастов под нулевым значением и посмотреть минимальную t-статистику (или максимальное p-значение) для установки порога значимости с помощью управления FWE. Как вы также предложили, вы можете использовать методы, которые требуют только некоторых качественных условий для совместного распределения статистики теста. Bonferroni - хороший вариант, если у вас мало контрастов. В противном случае взгляните на Холма . Если вы смотрите на многие линейные контрасты, вы должны обязательно спросить себя, хотите ли вы защитить отлюбое ложное открытие или только часть ложных открытий. В последнем случае используйте процедуру BH для контроля FDR.

JohnRos
источник

Вот коллекция ссылок на форум SPSS. Надеюсь, вы найдете это в какой-то степени актуальным для вас: это , это , это , это .

ttnphns
источник

Спасибо за указание в направлении. К сожалению, сообщения новостных групп далеко не убедительные доказательства при обсуждении этих вопросов в опубликованных работах. Общий учебник по сферичности интересен и указывает, почему корректировки p-значения бонферрони-стиля все еще широко используются. К сожалению, на самом деле нет обвинительного заключения о консервативном характере такого подхода.

Расселпирс