原文链接：http://tecdat.cn/?p=9578

 

目录

测试方法

画图

具有五个p值的多重比较示例

画图

测试方法

R具有内置的方法来调整一系列p值，以控制按族分类的错误率或控制错误发现率。

Holm，Hochberg，Hommel和Bonferroni的方法控制着家庭错误率。这些方法试图限制甚至一个错误发现的可能性（I型错误，在没有实际效果时错误地拒绝零假设），因此它们都相对较强（保守）。 

BH（Benjamini–Hochberg，与R中的FDR相同）和BY方法控制错误发现率。这些方法试图控制错误发现的预期比例。 

请注意，这些方法仅需要调整p值和要比较的p值数量。这与Tukey或Dunnett之类的方法不同，后者也需要基础数据的可变性。Tukey和Dunnett被认为是家庭错误率方法。

没有关于使用哪个p值调整量度的明确建议。通常， 应该选择一种听众或您的研究领域熟悉的方法。此外，可能存在一些逻辑，使您可以选择如何平衡发生II型错误和I型错误的可能性。例如，在初步研究中，您可能希望保留尽可能多的重要值，以免在将来的研究中排除潜在的重要因素。另一方面，在一项医学研究中，人们的生命处于危险之中，正在考虑使用非常昂贵的治疗方法，因此在断定一种治疗方法优于另一种治疗方法之前，您需要具有很高的确定性。

 

1. 


2. Data = read.table(textConnection(Input),header=TRUE)

3. 


4. 


5. 


6. 


7. 


8. headtail(Data)

9. 


10.                 Food Raw.p

11. 


12. 20    Total_calories 0.001

13. 


14. 12         Olive_oil 0.008

15. 


16. 25        Whole_milk 0.039

17. 


18. 17 Semi-skimmed_milk 0.942

19. 


20. 21        Total_meat 0.975

21. 


22. 14    Processed_meat 0.986

23. 


24. 


25. 


26. 


27. 


28. ### Perform p-value adjustments and add to data frame

29. 


30. 


31. Data

32. 


33. 


34. 


35.                 Food Raw.p Bonferroni        BH  Holm Hochberg Hommel         BY

36. 


37. 20    Total_calories 0.001      0.025 0.0250000 0.025    0.025  0.025 0.09539895

38. 


39. 12         Olive_oil 0.008      0.200 0.1000000 0.192    0.192  0.192 0.38159582

40. 


41. 25        Whole_milk 0.039      0.975 0.2100000 0.897    0.882  0.682 0.80135122

42. 


43. 24        White_meat 0.041      1.000 0.2100000 0.902    0.882  0.697 0.80135122

44. 


45. 15          Proteins 0.042      1.000 0.2100000 0.902    0.882  0.714 0.80135122

46. 


47. 11              Nuts 0.060      1.000 0.2500000 1.000    0.986  0.840 0.95398954

48. 


49. 5  Cereals_and_pasta 0.074      1.000 0.2642857 1.000    0.986  0.962 1.00000000

50. 


51. 23        White_fish 0.205      1.000 0.4910714 1.000    0.986  0.986 1.00000000

52. 


53. 3             Butter 0.212      1.000 0.4910714 1.000    0.986  0.986 1.00000000

54. 


55. 22        Vegetables 0.216      1.000 0.4910714 1.000    0.986  0.986 1.00000000

56. 


57. 18      Skimmed_milk 0.222      1.000 0.4910714 1.000    0.986  0.986 1.00000000

58. 


59. 16          Red_meat 0.251      1.000 0.4910714 1.000    0.986  0.986 1.00000000

60. 


61. 9              Fruit 0.269      1.000 0.4910714 1.000    0.986  0.986 1.00000000

62. 


63. 7               Eggs 0.275      1.000 0.4910714 1.000    0.986  0.986 1.00000000

64. 


65. 1          Blue_fish 0.340      1.000 0.5328125 1.000    0.986  0.986 1.00000000

66. 


67. 10           Legumes 0.341      1.000 0.5328125 1.000    0.986  0.986 1.00000000

68. 


69. 4      Carbohydrates 0.384      1.000 0.5647059 1.000    0.986  0.986 1.00000000

70. 


71. 13          Potatoes 0.569      1.000 0.7815789 1.000    0.986  0.986 1.00000000

72. 


73. 2              Bread 0.594      1.000 0.7815789 1.000    0.986  0.986 1.00000000

74. 


75. 8               Fats 0.696      1.000 0.8700000 1.000    0.986  0.986 1.00000000

76. 


77. 19            Sweets 0.762      1.000 0.9071429 1.000    0.986  0.986 1.00000000

78. 


79. 6     Dairy_products 0.940      1.000 0.9860000 1.000    0.986  0.986 1.00000000

80. 


81. 17 Semi-skimmed_milk 0.942      1.000 0.9860000 1.000    0.986  0.986 1.00000000

82. 


83. 21        Total_meat 0.975      1.000 0.9860000 1.000    0.986  0.986 1.00000000

84. 


85. 14    Processed_meat 0.986      1.000 0.9860000 1.000    0.986  0.986 1.00000000

86. 


87. 


画图

 

 

 

一系列25个p值的调整p值与原始p值的关系图。虚线表示一对一的线。

 

具有五个p值的多重比较示例

 

1. ### --------------------------------------------------------------

2. ### Multiple comparisons example, hypothetical example

3. ### --------------------------------------------------------------

4. 


5. 


6. Data = read.table(textConnection(Input),header=TRUE)

7. 


8. 


9. 


10. 


11. 


12.   Factor Raw.p Bonferroni      BH  Holm Hochberg Hommel      BY

13. 


14. 1      A 0.001      0.005 0.00500 0.005    0.005  0.005 0.01142

15. 


16. 2      B 0.010      0.050 0.02500 0.040    0.040  0.040 0.05708

17. 


18. 3      C 0.025      0.125 0.04167 0.075    0.075  0.075 0.09514

19. 


20. 4      D 0.050      0.250 0.06250 0.100    0.100  0.100 0.14270

21. 


22. 5      E 0.100      0.500 0.10000 0.100    0.100  0.100 0.22830

23. 


24. 


25. 


26. 


画图

 

 

 

0至0.1之间的五个p值系列的调整p值与原始p值的关系图。请注意，Holm和Hochberg与Hommel具有相同的值，因此被Hommel隐藏。虚线表示一对一的线。