他总结说,Bonferroni 调整在生物医学研究中的应用充其量是有限的,不应在评估有关特定假设的证据时使用。
Bonferroni 校正是最简单和最保守的多重比较技术之一。它也是最古老的之一,并且随着时间的推移得到了很大的改进。公平地说,Bonferroni 调整几乎在所有情况下的应用都是有限的。几乎可以肯定有更好的方法。也就是说,您需要对多重比较进行校正,但您可以选择一种不那么保守且功能更强大的方法。
不那么保守
多重比较方法可防止在一系列测试中出现至少一个误报。如果您在级别执行一项测试,那么您有 5% 的机会获得误报。换句话说,你错误地拒绝了你的零假设。如果您在水平上执行 10 次测试,那么这将增加到 = ~40% 的误报机会αα = 0.051 - ( 1 - 0.05)10
使用 Bonferroni 方法,您可以在尺度的最低端)来保护级别测试族。换句话说,它是最保守的。现在,您可以将增加到Bonferroni 设置的下限以上(即使您的测试不那么保守),并且仍然在级别保护您的测试系列。有很多方法可以做到这一点,例如 Holm-Bonferroni 方法或更好的错误发现率αbαb=α/nnααbα
更有力
引用的论文中提出的一个很好的观点是,第二类错误的可能性也增加了,因此真正重要的差异被认为是不重要的。
这个非常重要。一项强大的测试是一种能够发现显着结果(如果存在)的测试。通过使用 Bonferroni 校正,您最终会得到一个不太强大的测试。由于 Bonferroni 比较保守,因此功率可能会大大降低。同样,其中一种替代方法,例如错误发现率,将增加测试的能力。换句话说,您不仅可以防止误报,还可以提高发现真正重要结果的能力。
所以是的,当您进行多重比较时,您应该应用一些校正技术。是的,Bonferroni 可能应该避免使用一种不那么保守和更强大的方法