Correzione di Bonferroni con correlazione di Pearson e regressione lineare

Sto eseguendo statistiche su 5 IV (5 tratti di personalità, estroversione, gradevolezza, coscienza, nevroticismo, apertura) contro 3 DV Attitude to PCT, Attitude to CBT, Attitude to PCT vs CBT. Ho anche aggiunto età e sesso per vedere quali altri effetti ci sono.

Sto testando per vedere se i tratti della personalità possono prevedere gli atteggiamenti dei DV.

Inizialmente ho usato la correlazione di Pearson per tutte le variabili (45 test).

La scoperta principale è stata che l'estroversione era correlata all'atteggiamento della PCT a p = 0,05. Ma mentre stavo eseguendo 45 test ho fatto una correzione Bonferroni di alfa = 0,05 / 45 = 0,001, rendendo quindi questa scoperta insignificante.

Ho quindi eseguito una semplice regressione lineare su tutte le variabili, di nuovo l'estroversione è stata significativa con l'atteggiamento nei confronti del PCT. Se eseguo la correzione Bonferroni, questa risulta di nuovo insignificante.

Domande:

1. Devo correggere Bonferroni alla correlazione di Pearson?
2. Se lo faccio, e quindi rendere insignificante l'estroversione con un atteggiamento nei confronti della PCT, ha ancora senso fare una regressione lineare?
3. Se eseguo una regressione lineare, devo eseguire anche la correzione Bonferroni per questo?
4. Devo segnalare solo valori corretti o valori non corretti e corretti?

Penso che Chl ti abbia indicato molti buoni materiali e riferimenti senza rispondere direttamente alla domanda. La risposta che do potrebbe essere un po 'controversa perché so che alcuni statistici non credono nell'adeguamento della molteplicità e molti bayesiani non credono nel valore p. In effetti, una volta ho sentito Don Berry dire che l'uso dell'approccio bayesiano in particolare nei progetti adattivi che controllano l'errore di tipo I non è un problema. Lo ha ripreso più tardi dopo aver visto quanto sia praticamente importante per la FDA assicurarsi che le droghe nocive non arrivino sul mercato.

La mia risposta è sì e no. Se esegui 45 test, devi sicuramente adattarti alla molteplicità, ma no a Bonferroni perché potrebbe essere troppo conservativo. L'inflazione dell'errore di tipo I quando si estraggono i dati per la correlazione è chiaramente un problema che ha attirato l'attenzione sul post citato "guarda e troverai la correlazione". Tutti e tre i collegamenti forniscono ottime informazioni. Quello che penso manchi è l'approccio di ricampionamento all'adeguamento del valore di p così sviluppato da Westfall e Young. Puoi trovare esempi nel mio libro bootstrap o dettagli completi nel loro libro di ricampionamento. La mia raccomandazione sarebbe quella di prendere in considerazione i metodi bootstrap o di permutazione per la regolazione del valore p e forse considerare il tasso di rilevamento falso rispetto al rigoroso tasso di errore familiare.

Link a 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+ Westfall

Libro recente di Bretz et al su molteplici confronti: 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

Il mio libro con materiale nella sezione 8.5 e tonnellate di riferimenti 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 & parole chiave = michael + Chernick

Mi sembra che questa sia ricerca esplorativa / analisi dei dati , non di conferma. Cioè, non sembra che tu abbia iniziato con una teoria secondo cui solo l' estroversione dovrebbe essere correlata al PCT per qualche motivo. Quindi non mi preoccuperei troppo delle regolazioni alfa, poiché la ritengo più correlata al CDA, né ritengo che la tua scoperta sia necessariamente vera. Invece, ci penserei come qualcosa che potrebbesii vero e gioca con queste idee / possibilità alla luce di ciò che so sugli argomenti in questione. Avendo visto questo risultato, suona vero o sei scettico? Cosa significherebbe per le attuali teorie se fosse vero? Sarebbe interessante? Sarebbe importante? Vale la pena eseguire un nuovo studio (di conferma) per determinare se è vero, tenendo conto del tempo, degli sforzi e delle spese potenziali che ciò comporta? Ricorda che il motivo delle correzioni di Bonferroni è che ci aspettiamo che appaia qualcosa quando ci sono così tante variabili. Quindi penso che un euristico possa essere 'se questo studio fosse sufficientemente informativo, anche se la verità risulta essere no'? Se decidi che non ne vale la pena, questa relazione rimane nella categoria "potere" e vai avanti, ma se vale la pena farlo, provalo.

Secondo quanto segue: http://birnlab.psychiatry.wisc.edu/resources/fMRI_TestRetest_Documentation.pdf

Quando si determina il significato, correggere il valore p per confronti multipli. Ad esempio, un valore p corretto da Bonferroni è il valore p diviso per il numero totale di confronti, che in questo caso sono le connessioni univoche m (m - 1) / 2.

Ad esempio, il valore p di cutoff per una correlazione è 0,05 e supponiamo che la tabella di correlazione sia 100 * 100. Quindi il tuo valore p dovrebbe essere regolato su 0,05 / (100 * 99/2).

La regressione lineare applica la correzione di Bonferroni in modo simile a quanto sopra.

So che la risposta sembra non essere correlata a ciò che chiedi. In tal caso, per favore fatemi sapere e farò del mio meglio per chiarire. Spero che sia d'aiuto.