Dovrei usare la correzione Bonferroni quando creo due contrasti lineari con Fit Model?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Sto conducendo una serie di modelli REML univariati e ho due contrasti ortogonali prepianificati. Mi chiedo se devo correggere l'alfa accettabile per evitare errori di tipo I o se questa correzione viene presa in considerazione dal programma JMP quando aggiungo un secondo contrasto?
Ri: Devo usare la correzione Bonferroni quando creo due contrasti lineari con Fit Model?Grazie mille per i suggerimenti, che tutto aiuta sicuramente!
Ri: Devo usare la correzione Bonferroni quando creo due contrasti lineari con Fit Model?Grazie per aver menzionato il componente aggiuntivo FDR Pvalue. È stato incorporato in JMP noto come Screening delle risposte in modellazione.
Ri: Devo usare la correzione Bonferroni quando creo due contrasti lineari con Fit Model?Un'opzione leggermente meno conservativa è la procedura di Bonferroni-Holm: il valore p più piccolo deve essere prima testato sul livello alfa / 2, l'altro valore p può quindi essere testato sul livello alfa pianificato se il primo test era statisticamente significativo.
Un'ulteriore opzione per affrontare il problema dei test multipli è l'approccio del tasso di falsi scoperti (approccio FDR) per il quale è disponibile un componente aggiuntivo JMP semplice e facile da utilizzare.
Ri: Devo usare la correzione Bonferroni quando creo due contrasti lineari con Fit Model? JMP non esegue automaticamente la regolazione quando lo si utilizza Test personalizzato dal Le stime menu per aggiungere ulteriori contrasti. Puoi applicare la correzione Bonferroni. (Come nota, quando c'è un gran numero di confronti, la correzione di Bonferroni può essere troppo conservativo .)
