Mengoreksi untuk beberapa perbandingan di dalam subjek / tindakan berulang ANOVA; terlalu konservatif?

Itu mengejutkan saya bahwa koreksi yang tersedia untuk beberapa perbandingan dalam konteks tindakan berulang ANOVA terlalu konservatif. Apakah ini yang sebenarnya terjadi? Jika ya, kutipan apa yang dapat saya gunakan untuk mendukung poin ini dan mempelajari lebih lanjut?

anova repeated-measures multiple-comparisons

— russellpierce
sumber

Apa jenis koreksi MP yang Anda rujuk juga? (BTW, mengapa alphatag itu?)

— chl

ulang tag alpha: Hanya karena koreksi biasanya dimaksudkan untuk menahan alpha konstan.

— russellpierce

Saya tidak yakin apa kepanjangan dari MP dalam konteks ini, tapi saya sedang berbicara tentang Bonferroni yang sering digunakan dan / atau Sidak beberapa koreksi perbandingan.

— russellpierce

Saya tahu ada pendekatan lain, misalnya False Discovery Rate dan sebagainya, tetapi saya secara khusus mencari untuk mengevaluasi dan mengkritik pendekatan yang lebih sering digunakan.

— russellpierce

Ketika saya terus menggali di sekitar tampaknya pada dasarnya ada dua kubu ... mereka yang memiliki 'pendekatan yang lebih baik' melalui istilah kesalahan yang dikumpulkan dan mereka yang ingin menyesuaikan nilai p menurut beberapa macam prosedur perbandingan ganda (Bonferonni, Holm ... dll dll ... tampaknya ada lebih banyak daripada yang saya miliki jari).

— russellpierce

Jawaban:

Sepengetahuan saya, distribusi gabungan kontras linier telah diturunkan dalam kasus ANOVA sederhana (lihat dokumentasi paket R multcomp ), tetapi tidak ada formulir tertutup untuk pengaturan pengukuran berulang. Namun demikian, Anda selalu dapat Bootstrap distribusi gabungan kontras linier ini di bawah nol, dan lihat t-statistik minimal (atau nilai p maksimal) untuk menetapkan ambang signifikansi dengan kontrol FWE. Seperti yang Anda sarankan, Anda dapat menggunakan metode yang hanya memerlukan beberapa kondisi kualitatif pada distribusi gabungan dari statistik pengujian. Bonferroni adalah pilihan yang baik jika Anda memiliki sedikit perbedaan. Jika tidak, lihat di Holm's . Jika Anda melihat banyak kontras linier, Anda harus bertanya pada diri sendiri bahwa Anda ingin dilindungisetiap penemuan palsu atau hanya sebagian dari penemuan palsu. Dalam kasus terakhir, gunakan prosedur BH untuk kontrol FDR.

— JohnRos
sumber

Berikut adalah kumpulan tautan ke forum SPSS. Semoga Anda menemukan itu relevan bagi Anda sampai tingkat tertentu: ini , ini , ini , ini .

— ttnphns
sumber

Terima kasih telah menunjuk ke suatu arah. Sayangnya posting grup berita jauh dari bukti meyakinkan ketika membahas masalah ini dalam karya yang diterbitkan. Primer umum tentang kebulatan itu menarik, dan menunjukkan mengapa penyesuaian nilai-p tipe Bonferroni masih umum digunakan. Sayangnya, sebenarnya tidak ada tuduhan tentang sifat konservatif dari pendekatan itu.

— russellpierce