Поправка Бонферрони или FDR |
Здравствуйте, гость ( Вход | Регистрация )
Поправка Бонферрони или FDR |
30.09.2013 - 04:01
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 3 Регистрация: 30.09.2013 Пользователь №: 25350 |
Здравствуйте! У меня вопрос по поводу множественного сравнения. А конкретно, по поправке Бонферрони.
Как он считается? Я p делю на количество групп сравнения или на общее количество тестов? Вот допустим, у меня работа по полиморфизмам SNP, т.е есть индивиды с тремя генотипами, и они сравниваются между собой по 11 показателям. Мне делить p на 3 или на 33??? Или на 11? И еще вопрос. Его мне применять ко всему исследованию или только к 1 полиморфизму??? Еще хотелось бы узнать преимущества FDR (False discovery rate) контроля. И про возможность его использования вместо поправки Бонферрони. PS Читал нижний топик про тест Крускалл-Валлиса, но не совсем понял. Вот если я сравниваю три группы индивидов, и нахожу значимое различие по какому-нибудь показателю, то могу судить лишь о том, что они различаются между собой??? НО не могу, допустим, судить о том как они различаются. Сообщение отредактировал vas - 30.09.2013 - 06:37 |
|
1.10.2013 - 13:30
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 219 Регистрация: 4.06.2013 Из: Тверь Пользователь №: 24927 |
В поправке Бонферрони уровень значимости альфа делится на число сравнений и р-значения сравниваются с этим уменьшенным уровнем значимости.
У вас , как я понимаю содержательную часть, будет делиться на 3 (число сочетаний из 3 по 2 или (3*2)/2 ) по каждому показателю отдельно. Обычно множественные сравнения выполняются в среде статпакетов. По моим сведениям чаще применяется метод Шеффе. Из моего опыта: все поправки дают почти всегда одинаковый результат. Применение поправок зависит и от равенства-неравенства дисперсий. Если равенство дисперсий не выполняется , то применяются особые поправки. Видимо, в вашем случае лучше применять многофакторный одномерный или многофакторный многомерный дисперсионный анализ. По непараметрическим методам: если при сравнении нескольких независимых выборок по критерию Крускала-Уоллеса нулевая гипотеза отвергается (различия значимы), следует провести все попарные сравнения каждой группы со всеми другими по критерию Манна-Уитни. Также можно применять критерий направленных альтернатив Джонкира-Терпстра и другие методы. Все попарные сравнения с поправками легко сделать в пакетах программ. Сообщение отредактировал anserovtv - 2.10.2013 - 20:28 |
|
1.10.2013 - 13:30
Сообщение
#3
|
|
Группа: Пользователи Сообщений: 219 Регистрация: 4.06.2013 Из: Тверь Пользователь №: 24927 |
Вы не написали, отвергается ли нулевая гипотеза при сравнении всех групп сразу.
Сообщение отредактировал anserovtv - 1.10.2013 - 13:35 |
|
2.10.2013 - 06:51
Сообщение
#4
|
|
Группа: Пользователи Сообщений: 3 Регистрация: 30.09.2013 Пользователь №: 25350 |
Большое спасибо за ответ!
По Крускалл-Валлису, нулевая гипотеза отвергается по некоторым показателям. В поправке Бонферрони уровень значимости альфа делится на число сравнений и р-значения сравниваются с этим уменьшенным уровнем значимости. У вас , как я понимаю содержательную часть, будет делиться на 3 (число сочетаний из 3 по 2 или (3*2)/2 ) по каждому показателю отдельно. Обычно множественные сравнения выполняются в среде статпакетов. По моим сведениям чаще применяется метод Щеффе. Из моего опыта: все поправки дают почти всегда одинаковый результат. Применение поправок зависит и от равенства-неравенства дисперсий. Если равенство дисперсий не выполняется , то применяются особые поправки. Видимо, в вашем случае лучше применять многофакторный одномерный или многофакторный многомерный дисперсионный анализ. По непараметрическим методам: если при сравнении нескольких независимых выборок по критерию Крускала-Уоллеса нулевая гипотеза отвергается (различия значимы), следует провести все попарные сравнения каждой группы со всеми другими по критерию Манна-Уитни. Также можно применять критерий направленных альтернатив Джонкира-Терпстра и другие методы. |
|
2.10.2013 - 10:14
Сообщение
#5
|
|
Группа: Пользователи Сообщений: 219 Регистрация: 4.06.2013 Из: Тверь Пользователь №: 24927 |
Все эти непараметрические критерии с попарными сравнениями и с поправками значимости имеются в пакете
SPSS версий 19-21 /с графической иллюстрацией!/. Нужно использовать новые диалоговые окна и открывать средство просмотра модели. В модели будут показаны и все попарные сравнения. Значимые попарные различия на графе и в таблицах выделяются цветом. Слева выбираете и (или) выделяете критерий. Внизу справа находятся окна для выбора модели. Поправки на множественность сравнений в таблицах устроены следующим образом: уровень значимости сохраняется (0,05) , а значимости /р-значения/ увеличиваются!!! Сообщение отредактировал anserovtv - 2.10.2013 - 20:31
Прикрепленные файлы
докум_2.bmp ( 1,31 мегабайт )
Кол-во скачиваний: 995
дос2.bmp ( 2,78 мегабайт ) Кол-во скачиваний: 740 дос3.bmp ( 3,2 мегабайт ) Кол-во скачиваний: 847 |
|
3.10.2013 - 03:19
Сообщение
#6
|
|
Группа: Пользователи Сообщений: 3 Регистрация: 30.09.2013 Пользователь №: 25350 |
anserovtv,
Большое спасибо за подробное объяснение! И отдельное спасибо за картинки! |
|
3.10.2013 - 19:59
Сообщение
#7
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
В поправке Бонферрони уровень значимости альфа делится на число сравнений и р-значения сравниваются с этим уменьшенным уровнем значимости. У вас , как я понимаю содержательную часть, будет делиться на 3 (число сочетаний из 3 по 2 или (3*2)/2 ) по каждому показателю отдельно. ... а потом придётся поделить и на число показателей в "ковровом бомбометании попарными сравнениями" есть хороший комикс на эту тему. Другое дело, что метод множественного сравнения намного более разумно должен разобраться с числом степеней свободы и структурой сравнений. |
|
22.02.2014 - 12:52
Сообщение
#8
|
|
Группа: Пользователи Сообщений: 125 Регистрация: 2.04.2012 Пользователь №: 23616 |
у меня была где то простая формула поправки бонферрони, но я её потерял. Если у меня 68 испыиуемых и 80 переменных. Напомните , полжалуйста, как мне высчитать поправку, уровень занчимости о,05.
|
|
23.02.2014 - 06:50
Сообщение
#9
|
|
Группа: Пользователи Сообщений: 1202 Регистрация: 13.01.2008 Из: Челябинск Пользователь №: 4704 |
у меня была где то простая формула поправки бонферрони, но я её потерял. Если у меня 68 испыиуемых и 80 переменных. Напомните , полжалуйста, как мне высчитать поправку, уровень занчимости о,05. Это даже не формула, а дробь: сколько тестов делаете на столько и делите p. При 80 переменных парных корреляций будет: (80*80-80)/2=3160. р=0,05/3160=0,000016. При таком уровне значимости проще вообще не проводить никаких исследований, т.к. даже если значимые корреляции найдутся, ничего нового в научном плане они не принесут: столь сильные связи уже давно открыты и никому не интересны. При таком числе переменных о поправках нужно забыть. Ваш единственный выход - сворачивать пространства переменных и/или испытуемых техниками разведочного анализа, а затем тестировать малое число более осмысленных гипотез. Например, можно провести анализ главных компонент (ну или какой-нибудь любимый вариант факторного анализа, метрического шкалирования) и опираясь на результаты ординации выделить наиболее интересные направления для дальнейшего распутывания клубка связей. Хотя в любом учебнике написано, что для таких техник число объектов должно быть в 3-10 раз больше числа переменных (и, вообще говоря, об этом следует помнить планируя исследование с 80 переменными и только 68 испытуемыми!), на практике исследователи этого часто не соблюдают, т.к. результаты ординации полезны ВСЕГДА, даже если об устойчивости решения и значимости речи вообще не идёт. Далее с использованием полученных факторных меток (factor scores) в качестве новых переменных можно провести кластерный анализ и посмотреть на сколько групп схожих испытуемых разделяется выборка, что за группы и т.д. Сообщение отредактировал nokh - 23.02.2014 - 07:06 |
|
24.02.2014 - 00:50
Сообщение
#10
|
|
Группа: Пользователи Сообщений: 125 Регистрация: 2.04.2012 Пользователь №: 23616 |
nokh, можно вас попросить пояснить почему мы 80*80 , а потом вычитаем 80?
Вот про разведочный анализ что-то слышал. Где о нем можно почитать с примерами. Метрическое шкалирование, вы имеете многомерное? Самая главная ошибка в планирование исследований, это мало дается денег для мотивации испытуемых. Если вообще дается( |
|
24.02.2014 - 09:29
Сообщение
#11
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
|
|
24.02.2014 - 10:42
Сообщение
#12
|
|
Группа: Пользователи Сообщений: 377 Регистрация: 18.08.2008 Из: Москва Златоглавая Пользователь №: 5224 |
Потому что для к уровней фактора число попарных сравнений определяется как k(k-1)/2 Это число называется биномиальным коэффициентом из k по 2. Просто включи мозги => http://doctorstat.narod.ru
|
|
24.02.2014 - 12:00
Сообщение
#13
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
Это число называется биномиальным коэффициентом из k по 2. Не то слово, доктор. Сплошная комбинаторика. |
|
24.02.2014 - 12:49
Сообщение
#14
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
> Вот про разведочный анализ что-то слышал. Где о нем можно почитать с примерами. Метрическое шкалирование, вы имеете многомерное?
Прочитайте просто справку в википедии про Анализ принципиальных(главных) компонент (PCA). Примеры есть в любом руководстве по многомерной статистике. |
|
24.02.2014 - 17:36
Сообщение
#15
|
|
Группа: Пользователи Сообщений: 1202 Регистрация: 13.01.2008 Из: Челябинск Пользователь №: 4704 |
Вот про разведочный анализ что-то слышал. Где о нем можно почитать с примерами. Метрическое шкалирование, вы имеете многомерное? В вашем окружении обязательно должен быть человек, владеющий статистикой и многомерными техниками, т.к. без них психология давно превратилась бы из науки в то, какой она видится многим нашим акцентуированным до грани безумия практикующим психологам Лучше, чтобы первый раз технологию многомерного анализа вам показал такой человек. Даже не так важно какую: главные компоненты, факторный анализ или многомерное метрическое шкалирование (главные координаты) - с практической точки зрения они похожи; важна сама последовательность действий и интерпретация результатов. Самому осваивать будет потруднее. Посмотрите разделы по факторному анализу и многомерному шкалированию здесь: http://www.statsoft.ru/home/textbook/default.htm. Нормальные для освоения книги: Дункан Крамер (2007) Математическая обработка данных в социальных науках. Современные методы, 2007 (есть в сети в djvu) Наследов А.Д. (2004) Математические методы психологического исследования (даны пошаговые инструкции для пакета SPSS, есть в сети в pdf) Наследов А.Д. (2005) SPSS. Компьютерный анализ данных в психологии и социальных науках (есть в сети в pdf) Джонгман (1999) Анализ данных в экологии сообществ (для расширения кругозора, у экологов много интересных наработок. Есть в сети в djvu). А примеры гуглите в сети. Сообщение отредактировал nokh - 24.02.2014 - 17:47 |
|