Sollte ich die Bonferroni-Korrektur verwenden, wenn ich mit Fit Model zwei lineare Kontraste mache?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ich führe eine Reihe von univariaten REML-Modellen durch und habe zwei vorgeplante orthogonale Kontraste. Ich frage mich, ob ich das akzeptable Alpha korrigieren muss, um Fehler vom Typ I zu vermeiden, oder ob diese Korrektur vom JMP-Programm berücksichtigt wird, wenn ich einen zweiten Kontrast hinzufüge?
Betreff: Sollte ich die Bonferroni-Korrektur verwenden, wenn ich zwei lineare Kontraste mit Fit Model mache?Vielen Dank für die Anregungen, das hilft auf jeden Fall weiter!
Betreff: Sollte ich die Bonferroni-Korrektur verwenden, wenn ich zwei lineare Kontraste mit Fit Model mache?Vielen Dank für die Erwähnung des FDR-Pvalue-Add-Ins. Es wurde in JMP integriert, bekannt als Response Screening unter Modeling.
Betreff: Sollte ich die Bonferroni-Korrektur verwenden, wenn ich zwei lineare Kontraste mit Fit Model mache?Eine etwas weniger konservative Option ist das Bonferroni-Holm-Verfahren: Der kleinere p-Wert muss zuerst auf dem Alpha/2-Niveau getestet werden, der andere p-Wert kann dann auf Ihrem geplanten Alpha-Niveau getestet werden, wenn der erste Test statistisch signifikant war.
Eine weitere Option, um mit dem Problem des multiplen Testens umzugehen, ist der False-Discovery-Rate-Ansatz (FDR-Ansatz), für den ein nettes und einfach zu bedienendes JMP-Add-In verfügbar ist.
Betreff: Sollte ich die Bonferroni-Korrektur verwenden, wenn ich zwei lineare Kontraste mit Fit Model mache?JMP nimmt die Anpassung nicht automatisch vor, wenn Sie es verwenden Benutzerdefinierter Test von dem Schätzungen Menü, um zusätzliche Kontraste hinzuzufügen. Sie können die Bonferroni-Korrektur anwenden. (Als Hinweis, wenn es eine große Anzahl von Vergleichen gibt, wird die Bonferroni-Korrektur kann zu konservativ sein .)
