bonferroni-holm

Bonferroni-Holm是一种用于调整统计显著性水平的方法，常用于多重比较的情况。

在科学研究中，我们经常需要进行多个假设的比较。传统的统计学方法会导致所谓的多重比较问题，即在进行多个假设的检验时，会增加错误发现的可能性。

Bonferroni-Holm方法就是为了解决多重比较问题而提出的。该方法首先将显著性水平（例如0.05）除以比较的假设数量，得到每个假设的显著性水平的临界值。然后按照顺序检验每个假设，如果某个假设的p值小于临界值，则认为该假设显著，否则不显著。

Bonferroni-Holm方法的优点是简单易懂，容易计算。它保证了整体的错误率控制在指定的显著性水平下，通过降低每个比较的显著性水平，从而减少了错误发现的可能性。

然而，Bonferroni-Holm方法也存在一些限制。由于它对每个比较都采取了相同的显著性水平，可能导致较大的功效损失。此外，它也假设所有假设是相互独立的，而在实际应用中，往往存在相关性，这可能导致误差。

综上所述，Bonferroni-Holm是一种常用的调整方法，用于控制多重比较中的错误率。通过降低每个比较的显著性水平，它可以有效控制错误发现的概率，在科学研究中具有重要的应用价值。

相关问题

holm-bonferroni

Holm-Bonferroni方法是一种在多重比较问题中进行调整的统计学方法。它是由瑞典数学家Holm和美国生物统计学家Bonferroni在统计学领域中提出的。

在研究中，我们往往需要比较多个组之间的差异或者进行多个假设的检验。然而，进行多次比较会增加假阳性（即错误地拒绝原假设）的概率。为了控制这种错误，Holm-Bonferroni方法可以对多重比较中的p值进行修正。

Holm-Bonferroni方法的基本思想是按照p值的大小顺序，从小到大逐个检验。对于第i个p值，我们将其与α（显著性水平）除以总的比较个数的（m-i+1）进行比较。如果第i个p值小于等于α/（m-i+1），则拒绝原假设。这样做的好处是在一开始的时候，根据比较个数进行了较宽松的校正；随着比较个数的减少，校正则变得更加严格。

Holm-Bonferroni方法能够提高多重比较的统计效力，减少错误发现的概率。相比于传统的Bonferroni校正方法，Holm-Bonferroni方法在保持控制类型I错误的同时，具有更好的统计功效。它能够进行更准确的多重比较，充分利用已有的p值信息，提高了发现真正差异的能力。

总之，Holm-Bonferroni方法是一种在多重比较问题中进行调整的统计学方法，能够有效地控制多次比较中的错误发现，提高多重比较的统计功效，被广泛应用于科学研究中。

stata怎么进行Kruskal-Wallis 后的 Bonferroni 校正？

Stata中进行Kruskal-Wallis H检验后的Bonferroni校正通常用于在多重比较中控制错误率，防止因同时测试多个假设而导致的假阳性结果。在做完Kruskal-Wallis H检验后，如果你想要对显著差异的组进行后续的Post-Hoc测试，并进行Bonferroni校正，可以按照以下步骤操作：

1. **运行Kruskal-Wallis检验**：

   kruskal h varname, by(group_variable)

`varname` 是你要分析的变量名，`group_variable` 是分组变量。

2. **查看原Kruskal-Wallis的结果**：
Stata会直接显示H值、p值等信息。

3. **确定需要比较的组合数**：
记录组间的全部配对次数，例如如果有4组，那么就有 \( \frac{4!}{2!(4-2)!} = 6 \) 对比较。

4. **设置显著性水平**：
假设显著性水平\( \alpha \)一般取0.05，对于Bonferroni校正，你需要将这个α除以组合数，得到新的单边检验水准（比如 \( \frac{0.05}{6} \) 或者 \( \alpha_{corrected} \)）。

5. **执行Post-Hoc测试并校正p值**：
使用` pairwise`命令，加上`holm`选项来进行Holm-Bonferroni校正，或者`bonferroni`选项进行Bonferroni校正：

   pairwise ranksum varname, by(group_variable) method(holm) alpha(_alpha_corrected)

或者

   pairwise ranksum varname, by(group_variable) method(bonferroni) alpha(_alpha_corrected)

记得替换 `_alpha_corrected` 为你计算出的实际单边检验水准。