Correzione di confronti multipli in un soggetto / misure ripetute ANOVA; eccessivamente conservatore?

Mi sembra che le correzioni disponibili per confronti multipli nel contesto di misure ripetute ANOVA siano eccessivamente conservative. È davvero così? In tal caso, quali sono alcune citazioni che posso usare per supportare questo punto e saperne di più?

anova repeated-measures multiple-comparisons

— russellpierce
fonte

A che tipo di correzione MP fai riferimento anche tu? (A proposito, perché il alphatag?)

— chl

per quanto riguarda il tag alfa: solo perché in genere le correzioni hanno lo scopo di mantenere costante l'alfa.

— russellpierce,

Non sono sicuro di cosa significhi MP in questo contesto, ma sto parlando delle correzioni comparative multiple Bonferroni e / o Sidak usate di frequente.

— russellpierce,

So che ci sono altri approcci, ad esempio False Discovery Rate e così via, ma sto specificatamente cercando di valutare e criticare gli approcci più frequentemente utilizzati.

— russellpierce,

Mentre continuo a scavare, sembrano esserci essenzialmente due campi ... quelli che hanno un "approccio migliore" tramite un termine di errore aggregato e quelli che vogliono regolare il valore p secondo una sorta di procedura di confronto multiplo (Bonferonni, Holm ... ecc ecc ... sembra che ce ne siano più di quante io abbia le dita).

— russellpierce,

Risposte:

Per quanto ne so , la distribuzione congiunta dei contrasti lineari è stata derivata nel semplice caso ANOVA (vedere la documentazione del pacchetto R multcomp ), ma non ci sono moduli chiusi per l'impostazione delle misure ripetute. Tuttavia, puoi sempre Bootstrap la distribuzione congiunta di questi contrasti lineari sotto il valore nullo e guardare la statistica t minima (o il valore p massimo) per impostare la soglia di significatività con il controllo FWE. Come hai anche suggerito, puoi utilizzare metodi che richiedono solo alcune condizioni qualitative sulla distribuzione congiunta delle statistiche dei test. Bonferroni è una buona opzione se hai pochi contrasti. Altrimenti, dai un'occhiata a Holm . Se stai osservando molti contrasti lineari, dovresti sicuramente chiederti da quale protezione desideriqualsiasi falsa scoperta o solo una parte di false scoperte. In quest'ultimo caso, utilizzare la procedura BH per il controllo FDR.

— JohnRos
fonte

Ecco una raccolta di collegamenti a un forum SPSS. Spero che lo trovi pertinente per te in una certa misura: questo , questo , questo , questo .

— ttnphns
fonte

Grazie per indicare in una direzione. Sfortunatamente i post dei gruppi di notizie sono lungi dall'essere prove convincenti quando si discute di questi problemi nelle opere pubblicate. Il primer generale sulla sfericità è interessante e sottolinea perché gli aggiustamenti del valore p di Bonferroni sono ancora di uso comune. Sfortunatamente, non c'è proprio un'accusa sulla natura conservatrice di questo approccio.

— Russellpierce,