실험 / 프로젝트 / 분석 내에서 가설 군을 구성하는 요소를 평가하려고 할 때, 가족을 구분하기위한 지침으로 제공되는 "목적 유사점"과 "내용 유사점"을 발견했지만 해석에 많은 개방성을 남겼습니다. 가장 적게 말하면).
분석 과정에서 그룹 평균에 대한 여러 테스트와 균질성에 대한 개별 테스트를 수행하면 모든 것을 단일 가설로 묶지 않을 것입니다.
그러나 그룹 수단에 대해 다소 관련성이있는 여러 테스트를 배치 한 경우 어떤 기준을 사용하여 한 그룹으로 묶거나 (또는 별도의 패밀리로 분할)? 가족 구성원 모두 동일한 반응 변수를 가져야합니까? 반응 변수가 다르지만 동일한 사례 집합이 포함 된 경우 모두 가설 군에 묶여 있습니까?
답변:
다중 비교 문제는 정말 큰 주제입니다. 많은 의견과 불일치가있었습니다. 이것은 많은 것들 때문입니다. 무엇보다 문제가 실제로 중요하기 때문에 부분적으로, 궁극적으로 규칙이나 기준이 없기 때문입니다. 프로토 타입 사례를 살펴보십시오. 처리 로 실험을 수행 하고 유의 한 분산 분석을 수행하므로 이제 어떤 처리 수단이 다른지 궁금합니다. 당신이 이것에 대해 이동하는 방법, 실행 T - 테스트? 이러한 테스트는 개별적으로 를 .05로 유지하지만 'familywise' (즉, 적어도 1 개의 유형 I 오류가 발생할 확률)가 폭발합니다. 실제로, 패밀리 별 오류율은. 문제는 '가족'을 정의하는 것은 무엇입니까? 그리고 '가족'이 일련의 대조라는 사소한 것 이상으로 궁극적 인 대답은 없습니다. 특정 대조 세트를 가족으로 간주해야하는지 여부는 주관적인 결정입니다. 제 인생에서 수행 한 3, 17, 42 차 분석은 일련의 대비이며, 제 1 종 오류 확률이 5 %로 유지되도록 임계 값을 조정할 수있었습니다. 이 감각적 인 것을 찾을 수 있습니다. 당신의 질문은 당신이 당신의 대조를 의미있는 의미로 생각하는지의 여부이며, 오직 당신 만이 그 판단을 내릴 수 있습니다. 몇 가지 표준 접근 방식을 제공합니다. 많은 분석가들은 일련의 대조가 동일한 실험 / 데이터 세트에서 나온다면 가족으로 취급해야한다고 생각합니다. 조정)이 필요합니다. 다른 사람들은 대조가 동일한 실험에서 비롯된 경우에도 사전 및 직교 인 경우 특별한 절차가 필요하지 않다고 생각합니다. 이 두 입장은 모두 방어 될 수 있습니다. 마지막으로, 가족 별 오류율을 통제하는 절차는 비용이 많이 든다는 점에 유의하십시오. 유형 II 오류율 증가.
기준은 그 중 하나가 깨지면 전체 결론이나 이론이 깨진다는 의미에서 가설이 상호 의존적이라는 것입니다. 따라서 모든 테스트가 중요하다면 그 중 어느 것도 거짓이 아니라는 보장이 필요합니다.
researchgate에 대한 토론 ( http://www.researchgate.net/post/Bonferroni-how_is_the_family_of_hypotheses_defined )은 의견 수집에 도움이 될 수있는 논문 목록을 제공했습니다. 논문은 실제로 "다중 테스트 상황에서 수정을 적용 할 때"라는 질문에서 시작합니다 ". 자주 인용되는 논문은 다음과 같습니다.
1) 로스 만 KJ. 다중 비교에는 조정이 필요하지 않습니다. 역학 .1990; 1 (1) : 43-6. http://psg-mac43.ucsf.edu/ticr/syllabus/courses/9/2003/02/27/Lecture/readings/Rothman.pdf
2) Perneger TV. Bonferroni 조정에 문제가 있습니다. BMJ. 1998; 316 (7139) : 1236-8. http://static.sdu.dk/mediafiles/D/1/F/%7BD1F06030-8FA7-4EE2-BB7D-60D683B18EAA%7DWhat_s-wrong%20_with_Bonferroni_adjustments.BMJ.1998.pdf
3) Bender R, Lange S. 여러 테스트에 대한 조정-언제, 어떻게? J Clin Epidemiol. 2001; 54 : 343-9. http://www.rbsd.de/PDF/multiple.pdf
요약:
1) 및 2) 일반 귀무 가설이라고하는 "모든 귀무 가설이 참"에 중점을 둡니다. 다중 비교에 대한 조정이 적용되면 더 적절하게 거부 될 수 있습니다 (즉, 알파 누적 없음). 그러나 1)과 2)는 과학적 연구 과정에서 일반 귀무 가설이 거의 완전히 사용되지 않는다는 점에서 반대한다. 따라서 데이터에 귀무 가설 중 하나 / 일부 귀무 가설이있을 때 "전체 이론이 깨짐"기준이 자동으로 적용되지 않는다 우연히 분석이 거부됩니다. 1) (거짓으로) 기각 된 단일 귀무 가설을 생각하는 것이 순진하다고 과학계는 다시는 다시 방문하지 않을 것이라고 덧붙였다.
3) 단일 가설이 한 번의 인수로 녹 으면 조정을 수행해야한다고 명시되어 있습니다.
나의 관점에서 1), 2), 3) 함께 거울을 비추어 볼 때, 우리는“전체 이론이 깨짐”기준을 얼마나주의 깊게 지켜야 하는가. 하나의 큰 소세지에 모든 귀무 가설을 넣는 방법도없고 단일 가설로 제시된 소세지 조각에 의존하는 방법도 없습니다. 이것은 경험적 연구가 연구 분야의 이론과의 협력을 실제로 만나는 곳입니다.