Korrektur für mehrere Vergleiche in einer ANOVA innerhalb von Probanden / wiederholten Messungen; übermäßig konservativ?

Es fällt mir auf, dass die verfügbaren Korrekturen für Mehrfachvergleiche im Rahmen einer ANOVA mit wiederholten Messungen übermäßig konservativ sind. Ist das tatsächlich der Fall? Wenn ja, welche Zitate kann ich verwenden, um diesen Punkt zu unterstützen und mehr zu erfahren?

anova repeated-measures multiple-comparisons

— russellpierce
quelle

Auf welche Art von MP-Korrektur beziehen Sie sich auch? (Übrigens, warum das alphaTag?)

— chl

Zu dem Alpha-Tag: Nur weil die Korrekturen normalerweise dazu gedacht sind, das Alpha konstant zu halten.

— Russellpierce

Ich bin mir nicht sicher, wofür MP in diesem Zusammenhang steht, aber ich spreche von den häufig verwendeten Korrekturen für Bonferroni- und / oder Sidak-Mehrfachvergleiche.

— Russellpierce

Ich weiß, dass es andere Ansätze gibt, z. B. False Discovery Rate usw., aber ich möchte speziell die häufiger verwendeten Ansätze bewerten und kritisieren.

— Russellpierce

Während ich weiter herumgrabe, scheint es im Wesentlichen zwei Lager zu geben ... diejenigen, die über einen gepoolten Fehlerterm einen "besseren Ansatz" haben, und diejenigen, die den p-Wert nach einer Art Mehrfachvergleichsverfahren anpassen möchten (Bonferonni, Holm ... etc etc ... es scheint mehr davon zu geben, als ich Finger habe).

— Russellpierce

Antworten:

Nach meinem besten Wissen wurde die gemeinsame Verteilung der linearen Kontraste im einfachen ANOVA-Fall abgeleitet (siehe Dokumentation des Multcomp R-Pakets), es gibt jedoch keine geschlossenen Formulare für die Einrichtung wiederholter Messungen. Trotzdem können Sie die gemeinsame Verteilung dieser linearen Kontraste immer unter Null booten und die minimale t-Statistik (oder den maximalen p-Wert) zum Festlegen des Signifikanzschwellenwerts mit der FWE-Steuerung betrachten. Wie Sie auch vorgeschlagen haben, können Sie Methoden verwenden, die nur eine qualitative Bedingung für die gemeinsame Verteilung der Teststatistik erfordern. Bonferroni ist eine gute Option, wenn Sie wenige Kontraste haben. Ansonsten schauen Sie sich Holm's an . Wenn Sie sich mit vielen linearen Kontrasten befassen, sollten Sie sich auf jeden Fall fragen, vor wem Sie Schutz wünschenjede falsche Entdeckung oder nur ein Teil der falschen Entdeckungen. Verwenden Sie im letzteren Fall das BH-Verfahren zur FDR-Kontrolle.

— JohnRos
quelle

Hier ist eine Sammlung von Links zu einem SPSS-Forum. Ich hoffe, Sie finden es bis zu einem gewissen Grad für Sie relevant: dies , das , das , das .

— ttnphns
quelle

Danke, dass Sie in eine Richtung zeigen. Leider sind Beiträge von Newsgroups alles andere als überzeugende Beweise, wenn diese Themen in veröffentlichten Arbeiten diskutiert werden. Der allgemeine Leitfaden zur Sphärizität ist interessant und zeigt auf, warum Anpassungen des p-Werts vom Bonferroni-Typ immer noch gebräuchlich sind. Leider gibt es keine wirkliche Anklage gegen den konservativen Charakter dieses Ansatzes.

— Russellpierce