Przedziały ufności z testu Holma-Bonferroniego?

Jestem nowicjuszem w problemie wielokrotnych porównań. Zastanawiam się, jak obliczyć przedziały ufności dla metody Holma-Bonferroniego?

Wiem, że dla metody Bonferroniego możemy po prostu zmienić poziom ufności z na . $1-\alpha$ $1-\frac{\alpha}{m}$

Czy ta metoda działa również w przypadku Holm-Bonferroni?

$\bf{Edit}:$ Wygląda na to, że metoda HB nie zapewnia procedury korekty konf. interwał. Ale czy mógłbyś skomentować, czy mogę zastosować jedną metodę korekcji wartości p, a drugą metodę korekcji odstępów?

multiple-comparisons bonferroni

— Macaronnos
źródło

Może to może pomóc? cran.r-project.org/web/packages/multxpert/multxpert.pdf

[Ta odpowiedź jest całkowicie przepisana od wczoraj.]

Pierwsza nomenklatura. Metoda Holm jest również nazywana metodą obniżającą Holm lub metodą Holm-Ryan . Wszystkie są takie same. Niezależnie od tego, której nazwy używasz, istnieją dwie alternatywne obliczenia. Oryginalna metoda Holma oparta jest na Bonferroni. Alternatywna, nieco bardziej wydajna metoda opiera się na Sidaku, dlatego nazywa się to metodą Holma-Sidaka.

Metoda Holma może być używana do wielokrotnych porównań w różnych kontekstach. Jego wejściem jest stos wartości P. Jedno zastosowanie jest zgodne z ANOVA, porównując pary średnich, jednocześnie korygując wielokrotne poprawki. Gdy tak się dzieje, o ile widzę, bardzo rzadko zgłaszane są przedziały ufności (skorygowane dla wielu porównań, tak zwane właściwie równoczesne przedziały ufności), a także wnioski dotyczące istotności statystycznej i wartości P skorygowanych pod względem mnogości.

Znalazłem dwa artykuły wyjaśniające sposób obliczania takich przedziałów ufności, ale różnią się one.

Serlin, R. (1993). Przedziały ufności i metoda naukowa: przypadek Holma dotyczący zasięgu. Journal of Experimental Education, 61 (4), 350–360.

wprowadź opis zdjęcia tutaj

Ludbrook, J. WIELOFUNKCJE WYKORZYSTUJĄCE PRZERWY UFNOŚCI. Farmakologia kliniczna i eksperymentalna oraz fizjologia (2000) 27, 212–215

wprowadź opis zdjęcia tutaj

W przypadku porównań z najmniejszymi wartościami P dwie metody są takie same (ale jedna używa C jako liczby porównań, a druga używa m ). Jednak w przypadku porównań z większymi wartościami P obie metody różnią się. Dla porównania z największą wartością P Ludbrook obliczy 95% CI normalnie, bez korekty dla wielu porównań. Serlin użyłby tej samej korekty dla wszystkich porównań ze skorygowaną wartością P większą niż 0,05 (zakładając, że chcesz przedziały 95%), więc przedziały dla porównań z dużymi wartościami P byłyby szersze niż te, które generuje metoda Ludbrook.

Obie metody wykorzystują podejście Bonferroniego, ale można je łatwo dostosować do podejścia Sidaka.

Wszelkie przemyślenia na temat tego, która metoda jest poprawna / lepsza?

— Harvey Motulsky
źródło

Jeśli masz wartość P, powinieneś być w stanie uzyskać przedział ufności. Jednostronna wartość P wskazuje, że hipoteza zerowa znajduje się na granicy przedziału ufności 100 * (1-P)%. Być może możesz iteracyjnie dopasować wartość zerową, dopóki wartość P nie pojawi się jako alfa dla pożądanej szerokości przedziału ufności.

— Michael Lew

Zauważ jednak, że korekty mnogości, z natury paradygmatu częstych, nie są narzucone przez teorię i są nieco arbitralne. Niekoniecznie są one powiązane z przedziałami ufności. Zdarzają się na przykład przypadki grupowego testowania sekwencyjnego, w których można było przestać wcześnie odrzucać i nadal mieć przedział ufności z wielokrotności dla efektu leczenia obejmujący zero.

H_{0}

$H_0$

— Frank Harrell,