Pasek boczny

statpqpl:multitestpl:bonferronipl

Wielokrotne porównania

Jednoczesne testowanie wielu hipotez (tzw. rodziny hipotez) pociąga za sobą niebezpieczeństwo wzrostu błędu $\alpha$, co stanowi główny problem w dziedzinie wielokrotnych porównań. Gdy błąd $\alpha$ wzrasta, to oznacza, że zbyt często odrzucamy hipotezę zerową, gdy jest ona prawdziwa. Czyli zbyt często wskazujemy na istnienie różnic, podczas, gdy w rzeczywistości różnice nie występują. Aby chronić przed wzrostem $\alpha$ jedną ze strategii jest poprawienie (zmniejszenie) poziomu $\alpha$ lub odpowiednie poprawienie (zwiększanie) wartości p testów. Najbardziej znaną korektą jest korekta Bonferroniego1), która jest jednocześnie najbardziej konserwatywna. Korekta Sidaka (1967)2) jest nieco bardziej liberalna. Obie korekty doczekały się kilku sekwencyjnych ulepszeń zwiększających ich moc. W programie wykorzystano wstępującą krokową procedurę Holma (1979)3) oraz zstępującą krokową procedurę Hochberga (1988)4). Największą mocą wśród zaproponowanych korekt charakteryzuje się zmieniona przez Benjamini (1995)5) procedura Hochberga, która nie kontroluje bezpośrednio błądu $\alpha$ ale minimalizuje oczekiwany odsetek fałszywych różnic które występują wśród różnic wykrytych.

Jeżeli liczbę testowanych hipotez oznaczymy przez $c$, wówczas korekty dotyczące wielokrotnych porównań będzie można opisać następująco:

Korekta Bonferroniego

Polega na pomnożeniu każdego z prawdopodobieństw testowych przez całkowitą liczbę przeprowadzonych badań (lub podzieleniu poziomu istotności przez tą liczbę).

Korekta wartości $p$:

\begin{displaymath}
p_{(Bonferroni,i)}=p_i\cdot c
\end{displaymath}

Korekta poziomu istotności $\alpha$:

\begin{displaymath}
\alpha_{(Bonferroni, i)}=\frac{\alpha_i}{c}
\end{displaymath}

Korekta Sidaka

Korekta ta ma większą moc niż korekta Bonferroniego (dlatego jest coraz chętniej wykorzystywana).

Korekta wartości $p$:

\begin{displaymath}
p_{(Sidak, i)}=1-(1-p_i)^{c}
\end{displaymath}

Korekta poziomu istotności $\alpha$:

\begin{displaymath}
\alpha_{(Sidak, i)}=1-(1-\alpha_i)^{1/c}
\end{displaymath}

Korekta Bonferroniego-Holma

Polega na wykorzystaniu kilkukrokowej procedury Holma do poprawki Bonferroniego. Procedura ta rozpoczyna się od posortowania w sposób rosnący kolejnych wartości $p_i$ $(p_1, p_2,...p_c)$. Następnie zastosowana jest korekta Bonferroniego do każdej kolejnej wartości $p_i$ (przy odpowiednim zmniejszeniu liczby hipotez jaka została do przetestowania). W rezultacie wszystkie hipotezy, które testowane są po pierwszej nieistotnej statystycznie wartości $p_i$, są również nieistotne.

Korekta wartości $p$:

\begin{displaymath}
p_{(Bonferroni, i)}=p_i\cdot (c-i+1)
\end{displaymath}

Korekta Sidaka-Holma

Polega na wykorzystaniu kilkukrokowej procedury Holma do poprawki Sidaka. Procedura ta rozpoczyna się od posortowania w sposób rosnący kolejnych wartości $p_i$ $(p_1, p_2,...p_c)$. Następnie zastosowana jest korekta Sidaka do każdej kolejnej wartości $p_i$ (przy odpowiednim zmniejszeniu liczby hipotez jaka została do przetestowania). W rezultacie wszystkie hipotezy, które testowane są po pierwszej nieistotnej statystycznie wartości $p_i$, są również nieistotne.

Korekta wartości $p$:

\begin{displaymath}
p_{(Sidak, i)}=1-(1-p_i)^{c-i+1}
\end{displaymath}

Korekta Bonferroniego-Hochberga

Polega na wykorzystaniu kilkukrokowej procedury Hochberga do poprawki Bonferroniego. Procedura ta rozpoczyna się od posortowania w sposób malejący kolejnych wartości $p_i$ $(p_c,p_{c-1},...,p_1)$. Następnie zastosowana jest korekta Bonferroniego do każdej kolejnej wartości $p_i$ (przy odpowiednim zmniejszeniu liczby hipotez jaka została do przetestowania). W rezultacie wszystkie hipotezy, które testowane są po pierwszej nieistotnej statystycznie wartości $p_i$, są również nieistotne.

Korekta wartości $p$:

\begin{displaymath}
p_{(Bonferroni, i)}=p_i\cdot (c-i+1)
\end{displaymath}

Korekta Sidaka-Hochberg

Polega na wykorzystaniu kilkukrokowej procedury Hochberga do poprawki Sidaka. Procedura ta rozpoczyna się od posortowania w sposób malejący kolejnych wartości $p_i$ $(p_c,p_{c-1},...,p_1)$. Następnie zastosowana jest korekta Sidaka do każdej kolejnej wartości $p_i$ (przy odpowiednim zmniejszeniu liczby hipotez jaka została do przetestowania). W rezultacie wszystkie hipotezy, które testowane są po pierwszej nieistotnej statystycznie wartości $p_i$, są również nieistotne.

Korekta wartości $p$:

\begin{displaymath}
p_{(Sidak, i)}=1-(1-p_i)^{c-i+1}
\end{displaymath}

Korekta Benjamini-Hochberg

Polega na wykorzystaniu kilkukrokowej procedury Hochberga do poprawki Benjamini będącej zmodyfikowaną wersją poprawki Bonferroniego. Procedura ta rozpoczyna się od posortowania w sposób malejący kolejnych wartości $p_i$ $(p_c,p_{c-1},...,p_1)$. Następnie zastosowana jest korekta Benjamini do każdej kolejnej wartości $p_i$ (przy odpowiednim zmniejszeniu liczby hipotez jaka została do przetestowania). W rezultacie wszystkie hipotezy, które testowane są po pierwszej nieistotnej statystycznie wartości $p_i$, są również nieistotne.

Korekta wartości $p$:

\begin{displaymath}
p_{(BH, i)}=p_i\frac{c}{i}
\end{displaymath}

By wykonać korektę wielokrotnych porównań do jednej kolumny arkusza danych wprowadzamy kolejne wartości $p$. Okno z ustawieniami opcji wielokrotnych porównań wywołujemy poprzez menu StatystykaKorekta wielokrotnych porównań.

Uwaga!

Rodzina hipotez może być zdefiniowana na wiele sposobów. Najczęściej są to hipotezy w ramach procedury POST-HOC, czyli wykonywania wielu testów w ramach jednoczesnego porównania kilku badanych grup. Taką rodzinę stanowić mogą również testy wykonywane w ramach analizy typu Hotelling. Rodziny hipotez występują również w wielu analizach geograficznych. Wszędzie tam, gdzie w ramach ogólnej hipotezy analizujemy wiele pomniejszych hipotez korekta wielokrotnych porównań może mieć zastosowanie.

Przykład c.d. (plik satysfakcjaZpracy.pqs)

W badaniu tym sprawdzano, czy poziom satysfakcji z wykonywanej pracy jest taki sam dla czterech kategorii wykształcenia. Rodzinę hipotez tworzyły tu hipotezy wynikające z porównania wszystkich grup parami. By porównać wszystkie 4 grupy utworzono 6 par porównań. W każdym przypadku hipoteza zerowa dotyczyła braku różnic w poziomie satysfakcji w analizowanej parze. By wykorzystać kilka zaproponowanych korekt wielokrotnych porównań, analizę przeprowadzono przy pomocy nieskorygowanego testu POST-HOC Dunna.

Uzyskane w ten sposób wartości p podano jako dane do korekty wielokrotnych porównań otrzymując następujące wyniki:

W rezultacie uznano za istotne statystycznie różnice dotyczące satysfakcji z pracy dla dwóch par porównań (wykształcenie podstawowe vs średnie i wykształcenie podstawowe vs wyższe). Tylko przy zastosowaniu korekty Benjamini-Hochberg różnice można zlokalizować w trzech parach porównań.

1)
Abdi H. (2007), Bonferroni and Sidak corrections for multiple comparisons„, in N.J. Salkind (ed.): Encyclopedia of Measurement and Statistics. Thousand Oaks, CA: Sage
2)
Šidák Z. K. (1967), Rectangular Confidence Regions for the Means of Multivariate Normal Distributions. Journal of the American Statistical Association, 62 (318): 626–633
3)
Holm S. (1979), A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics 6, 65–70
4)
Hochberg Y. (1988), A sharper Bonferroni procedure for multiple tests of significance. Biometrika 75, 800–803
5)
Benjamini Y. and Hochberg Y. (1995), Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society Series B 57, 289–300
statpqpl/multitestpl/bonferronipl.txt · ostatnio zmienione: 2019/04/02 11:36 przez admin

Narzędzia strony