我有一个数据集，我在其中测试三个群体之间关于大约 50 个不同变量的显着差异。我一方面使用 Kruskal-Wallis 检验，另一方面通过嵌套 GLM 模型拟合的似然比检验（有和没有总体作为自变量）来做到这一点。

结果，我有一个 Kruskal-Wallis 的列表$p$- 一方面是值，我认为是卡方$p$- 来自 LRT 比较的值，另一方面。

我需要进行某种形式的多重测试校正，因为有超过 50 种不同的测试，而 Benjamini-Hochberg FDR 似乎是最明智的选择。

然而，这些变量可能不是独立的，它们中的几个“氏族”是相关的。那么问题是：我如何判断我的基础统计数据集是否$p$-值是否满足 Benjamini-Hochberg 程序仍然绑定到 FDR 所需的正依赖要求？

2001 年的 Benjamini-Hochberg-Yekutieli 论文指出 PRDS 条件适用于多元正态分布和学生化分布。用于模型比较的似然比检验卡方值怎么样？怎么样$p$-Kruskal-Wallis 测试的值？

我可以使用 Benjamini-Hochberg-Yekutieli 最坏情况下的 FDR 校正，它不假设任何依赖关系，但我认为在这种情况下它可能过于保守并且错过了一些相关信号。