如果您的目标是通过假设检验进行确认，则无论使用何种模型，您都应该校正 FWER（或 FDR）。如果您有相反声明的来源，请在您的问题中包含它。

然而，确认并不是人们使用线性回归的唯一原因。您可能只想简单地预测结果变量，或者您可能只对解释变量对结果的影响程度感兴趣。就个人而言，我很少对线性模型$p$

即使您对线性回归值取决于您在做什么，例如：$p$$p$

• 截距是否与显着不同很少有趣。在校正中包含这个值可以通过增加测试次数来夸大 II 类错误率，甚至通过包含无意义的显着结果（在 FDR 校正的情况下）来增加 I 类错误率；$0$$p$
• 如果您的研究问题围绕单个解释变量的影响，但您想包括潜在的混杂因素，则甚至无需查看其他变量的值；$p$
• 同样，如果您的研究问题涉及（显着）交互效应的存在，则边际效应的重要性可能无关紧要。

出于这个原因，没有标准值重要后应用自己的校正。$p$

将此与 Tukey 诚实的显着差异进行对比：您正在将每个组与每个组进行比较。这不仅是您可以执行的最大假设检验数量——增加了在没有应用一些标准校正的情况下推理不良的风险——而且它也专门用于进行比较，而线性回归通常可用于各种目的.