Koreksi Bonferroni dengan korelasi Pearson dan regresi linier

Saya menjalankan statistik pada 5 IV (5 ciri kepribadian, ekstroversi, kesesuaian, kesadaran, neurotisisme, keterbukaan) terhadap 3 DVs Sikap terhadap PCT, Sikap terhadap CBT, Sikap terhadap PCT vs CBT. Saya juga menambahkan usia dan jenis kelamin untuk melihat apa efek lain yang ada.

Saya menguji untuk melihat apakah ciri-ciri kepribadian dapat memprediksi sikap DV.

Saya awalnya menggunakan korelasi Pearson untuk semua variabel (45 tes).

Temuan utama adalah bahwa ekstroversi berkorelasi dengan sikap PCT pada p = 0,05. Tetapi ketika saya menjalankan 45 tes, saya melakukan koreksi Bonferroni alfa = 0,05 / 45 = 0,001, sehingga membuat temuan ini tidak signifikan.

Saya kemudian menjalankan regresi linier sederhana pada semua variabel, sekali lagi ekstroversi signifikan dengan sikap terhadap PCT. Jika saya melakukan koreksi Bonferroni, hasilnya tidak signifikan lagi.

Pertanyaan:

1. Apakah saya perlu mengoreksi Bonferroni di korelasi Pearson?
2. Jika saya lakukan, dan karenanya membuat ekstroversi dengan sikap terhadap PCT tidak signifikan, apakah masih ada gunanya melakukan regresi linier?
3. Jika saya melakukan regresi linier, apakah saya perlu melakukan koreksi Bonferroni untuk ini juga?
4. Apakah saya hanya melaporkan nilai yang dikoreksi atau nilai yang tidak dikoreksi dan dikoreksi?

Saya pikir Chl telah mengarahkan Anda ke banyak bahan dan referensi yang baik tanpa langsung menjawab pertanyaan. Jawaban yang saya berikan mungkin sedikit kontroversial karena saya tahu beberapa ahli statistik tidak percaya pada penyesuaian multiplisitas dan banyak Bayesian yang tidak percaya pada nilai-p. Bahkan saya pernah mendengar Don Berry mengatakan bahwa menggunakan pendekatan Bayesian khususnya dalam desain adaptif mengendalikan kesalahan tipe I bukanlah masalah. Dia mengambil kembali nanti setelah melihat betapa pentingnya praktis bagi FDA untuk memastikan bahwa obat-obatan buruk tidak sampai ke pasar.

Jawaban saya adalah ya dan tidak. Jika Anda melakukan 45 tes, Anda tentu perlu menyesuaikan multiplisitas tetapi tidak dengan Bonferroni karena itu bisa terlalu konservatif. Inflasi kesalahan tipe I ketika Anda menambang data untuk korelasi jelas merupakan masalah yang mendapat perhatian dengan posting yang dikutip "lihat dan Anda akan menemukan korelasi". Ketiga tautan memberikan informasi yang luar biasa. Apa yang saya pikir hilang adalah pendekatan resampling untuk penyesuaian nilai-p yang dikembangkan dengan sangat baik oleh Westfall dan Young. Anda dapat menemukan contoh di buku bootstrap saya atau rincian lengkap di buku resampling mereka. Rekomendasi saya adalah untuk mempertimbangkan metode bootstrap atau permutasi untuk penyesuaian nilai-p dan mungkin mempertimbangkan tingkat penemuan yang salah atas tingkat kesalahan keluarga-bijaksana yang ketat.

Tautan ke Westfall and Young: http://www.amazon.com/Resampling-Based-Multiple-Testing-Adjustment-Probability/dp/0471557617/ref=sr_1_1?s=books&ie=UTF8&qid=1343398751&sr=1-1&&keywords=peter+ barat laut

Buku terbaru oleh Bretz dkk tentang beberapa perbandingan: http://www.amazon.com/Multiple-Comparisons-Using-Frank-Bretz/dp/1584885742/ref=sr_1_2?s=books&ie=UTF8&qid=1343398796&sr=1-2&keywords= peter + westfall

Buku saya dengan materi di bagian 8.5 dan berton-ton referensi bootstrap: http://www.amazon.com/Bootstrap-Methods-Practitioners-Researchers-Probability/dp/0471756210/ref=sr_1_2?s=books&ie=UTF8&qid=1343398953&sr=1 -2 & kata kunci = michael + chernick

Bagi saya sepertinya ini adalah penelitian eksplorasi / analisis data , bukan konfirmasi. Artinya, tidak terdengar seperti Anda memulai dengan teori yang mengatakan hanya ekstroversi yang harus dikaitkan dengan PCT untuk beberapa alasan. Jadi saya tidak akan terlalu khawatir tentang penyesuaian alfa, karena saya pikir itu lebih terkait dengan CDA, saya juga tidak akan berpikir bahwa temuan Anda tentu benar. Sebaliknya, saya akan menganggapnya sebagai sesuatu yang mungkinbenar, dan mainkan dengan ide-ide / kemungkinan ini berdasarkan apa yang saya ketahui tentang topik yang ada Setelah melihat temuan ini, apakah itu berdering benar atau Anda skeptis? Apa artinya bagi teori saat ini jika itu benar? Apakah ini menarik? Apakah ini penting? Apakah layak menjalankan studi baru (konfirmasi) untuk menentukan apakah itu benar, mengingat potensi waktu, upaya, dan biaya yang diperlukan? Ingat bahwa alasan untuk koreksi Bonferroni adalah bahwa kami mengharapkan sesuatu muncul ketika memiliki banyak variabel. Jadi saya pikir heuristik bisa 'akankah studi ini cukup informatif, bahkan jika kebenaran ternyata tidak' Jika Anda memutuskan bahwa itu tidak layak, hubungan ini tetap dalam kategori 'kekuatan' dan Anda melanjutkan, tetapi jika itu layak dilakukan, ujilah.

Menurut berikut ini: http://birnlab.psychiatry.wisc.edu/resources/fMRI_TestRetest_Documentation.pdf

Saat menentukan signifikansi, koreksi nilai p untuk beberapa perbandingan. Sebagai contoh, nilai-p yang dikoreksi Bonferroni adalah nilai-p dibagi dengan jumlah total perbandingan, yang dalam hal ini adalah koneksi unik m (m - 1) / 2.

Misalnya, nilai p cutoff Anda untuk korelasi adalah 0,05, dan anggap tabel korelasi Anda adalah 100 * 100. Maka nilai-p Anda harus disesuaikan dengan 0,05 / (100 * 99/2).

Regresi linier menerapkan koreksi Bonferroni sama dengan yang di atas.

Saya tahu jawabannya sepertinya tidak terkait dengan apa yang Anda tanyakan. Dalam hal ini, tolong beri tahu saya dan saya akan mencoba yang terbaik untuk mengklarifikasi. Semoga itu bisa membantu.