나는 최근 Hommel Hochberg 보정을 소개 받았다. 나는 이것이 실제로 무엇인지에 대한 간단한 설명을 찾으려고 노력하고 있지만 운이 없다. 누구든지 Hommel Hochberg 보정에 대해 간단하고 간단하게 설명 할 수 있습니까?
답변
Hommel-Hochberg가 귀하의 감독자가 의미하는 바를 찾지 못했지만 그러한 공동 작업을 찾을 수는 없지만 여러 테스트 절차와 관련하여 유용한 정보를 제공하는 데 아무런 해가 없다고 생각합니다.
소개. 본 페로 니 보정
우선, 여러 테스트 절차에 대해 아는 것이 없다면 Bonferroni 수정 에 대해 읽어야합니다 . 이해하기가 쉽고 좋은 출발점을 제공합니다. Bonferroni는 관심 있는 값을 (총 대립 가설 수) 으로 나눠서 조정합니다 . 따라서 가 있는 모든 것을 거부하게됩니다.
αn
Hi
이렇게하면 패밀리 현명한 오류율이 아래로 유지됩니다 . 이것이 어떻게 작동하는지에 대한 이해를 돕기 위해 20 개의 잘못된 가설이 있고 유의 수준 에서 테스트하고 있다고 상상해보십시오 . 이러한 조건에서 하나 이상의 귀무 가설을 잘못 기각 할 확률 (유형 I 오류)은 다음과 같습니다.
αα=0.05
따라서 20 개의 잘못된 대안이 있지만 64 %의 확률로 null 중 하나를 선호합니다. 그러나 Bonferroni 수정을 사용하면
어쨌든, 이것은 Bonferroni에 대한 질문이 그다지 중요하지 않을 때 꽤 긴 부분입니다. 그러나 스텝 업 절차를 사용하는 차세대 다중 테스트 방법의 목적을 이해하는 데 도움이됩니다. Bonferroni의 문제점은 많은 가설이 검정 될 때 상당히 강해지고 모든 가설에 동일한 값을 할당한다는 것 입니다. 단계별 절차는 p- 값에 따라 각 가설의 순위를 매기고 다른 를 지정하기 때문에 Bonferroni보다 낫습니다 .
ω=α/nω
호흐 베르크
Hochberg (1988) 는 하나의 단계별 절차를 제시합니다. Holm-Bonferoni 또는 Benjamini-Hochberg (1995) 와 같이 살펴볼 수있는 훨씬 더 최근의 것들도 있습니다. 그러나 원래 Hochberg는 다음과 같이 관심이 있습니다.
- p- 값 및 관련 가설 정렬합니다.
P(1),P(2),...,P(n) H(1),...,H(n) - 갖는 모든 가설 를 여기서
H(k) P(k)≤αn+1−k k=1,...,n
보시다시피 Bonferroni 보정과 달리 Hochberg의 스텝 업 방법은 각 p- 값을 다른 숫자와 비교합니다. 더 작은 p- 값은 더 작은 숫자와 비교되고 더 높은 p- 값은 더 큰 숫자와 비교됩니다. 이것은 당신이 찾고있는 "수정"입니다.
위에서 링크 한 Holm 방법은 Hochberg의 논문에서도 참조되므로 그 방법도 확인해야 할 것입니다. 매우 유사합니다. Holm의 btw는 실제로 스텝 다운 절차입니다. 당신은 당신 자신의 차이를 알아낼 수 있습니다. Hochberg와 (다음) Hommel 참고에 관한 또 다른 중요한 논문은 Simes (1986) 이다. 두 가지 방법을 더 잘 이해하려면이 항목을 실제로 확인해야합니다.
옴멜
Hommel의 방법은 Hochberg보다 강력하지만 계산하고 머리를 감는 것이 더 어렵습니다. 내가 찾을 수있는 가장 짧고 쉬운 설명은 Multiple Hypothesis Testing (1995) (btw)에 대한 훌륭한 다중 테스트 절차에 있었고 다음과 같습니다.
는 모든 에 대해 의 가장 큰 정수라고 하자 .
j
pn−j+k>kαjk=1,...,j
그러한 가 존재 하지 않으면 모든 가설을 기각하십시오. 그렇지 않으면 모든 를 거부하십시오 . 와 , btw는 모두 에서 이동 합니다.
jHi
pi≤αj
j
i
1
n
더 깊이 이해하기 위해 실제로 검토해야 할 원본 논문은 Hommel (1988) 입니다. 이러한 각 방법의 다양한 가정, 방법 간의 차이점 및 방법마다 기능이 다릅니다. 주제에 대해 더 깊이 이해하려면 실제로 논문을 연구해야합니다.
엑스트라
당신이로 보일 수 있습니다 새로운 방법은 화이트 (2000) (부트 스트랩 방법을 사용하고 알파는 p- 값을 계산하는 새로운 방법을 제공합니다 "수정"반대)과 화이트의의 확장 버전 (2003) 늑대와 로마노 . 이것들은 약간 다른 방법이므로 귀하와 관련이 없을 수도 있지만 동일한 데이터 (널 가설)에 대해 여러 모델을 테스트하는 데 매우 강력합니다.
내 텍스트 중 일부가 주제를 벗어난 것이면 죄송합니다. 나는 최근에이 주제에 들어갔고 그것에 대해 쓰는 것과 비슷하다. 이것이 도움이 되길 바랍니다. 내가 할 수 없었던 Hommel-Hochberg 방법을 실제로 찾으면 알려주십시오.