[問題] Holm's correction 為何不須測所有子假說
需要測 n 個假說，且設定顯著水準 α 的時候，
Bonferroni 修正法是設定每個子假說對應的顯著水準為 α/n，
再實際完成每一個測試。
奇怪的是 Holm 的修正法；它不完成每個子假說的測試，而是
把所有子假說的 p 值都算出來，由小到大排列，再開始逐一測試
它們。至於每個子假說對應的顯著水準則不同於 Bonferroni 的，
而是 α(i) = α/( n-i+1 )。一旦測到子假說乃不顯著者，例如
當指標為 k 之時首見測試不顯著者，之後的子假說一律指定為不顯
著者而「不逐一檢視其顯著性」；稱此指標為臨界指標。
讓人奇怪的是，雖然已經把子假說根據 p 值由小到大排列，這
只能確定臨界指標之後的 p 值一定逐漸增大。但是，這方法設定的
α(i)，其分子乃常數但分母隨指標增大而減小，表示這變動的顯著
水準之值隨指標增大而增大。既然臨界指標之後的 p 值和子假說對
應的顯著水準值都隨指標增大而增大，憑甚麼不實際比較二者，就能
斷言臨界指標之後的子假說都不顯著?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.36.197.159 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1727551400.A.0BA.html
→
09/29 08:03,
1年前
, 1F
09/29 08:03, 1F
→
09/29 08:04,
1年前
, 2F
09/29 08:04, 2F
→
09/29 08:07,
1年前
, 3F
09/29 08:07, 3F
→
09/29 08:08,
1年前
, 4F
09/29 08:08, 4F
雖然隱約想到過上面的解釋，但當初不敢接受。畢竟那雖然符合了控制整體型一誤差
的風險:即至少出現一次型一誤差的機率，但是這樣一來是把測試假說真假這件事情
當作次要目的了。
無論如何，餞行上述規則的話，當然不保證每個子假說都被測試過。那些沒被測試
的假說都當成不顯著而不會產生偽陽性判斷…所以倒也能算是一種對偽陽性的保守判
斷。
那麼 Hochberg 方法呢?
本法剛好反過來。把 p 值從大排到小，至於各單次測試的顯著值 α(i) = α/i。
然後開始測子假說，首次測到顯著的那次(第 k 次)，就斷言之後全都顯著而不再測
試。這樣為何不會增加型一誤差? 畢竟「斷言顯著不必然真顯著而可能是假顯著即
偽陽性(第一型誤差)」不是嗎?
※ 編輯: saltlake (114.36.243.141 臺灣), 09/29/2024 09:34:19
→
09/29 11:25,
1年前
, 5F
09/29 11:25, 5F
推
10/01 19:47,
1年前
, 6F
10/01 19:47, 6F
→
10/01 19:47,
1年前
, 7F
10/01 19:47, 7F
→
10/01 19:47,
1年前
, 8F
10/01 19:47, 8F
→
10/01 19:49,
1年前
, 9F
10/01 19:49, 9F
→
10/01 19:49,
1年前
, 10F
10/01 19:49, 10F
→
10/01 20:05,
1年前
, 11F
10/01 20:05, 11F
→
10/01 20:05,
1年前
, 12F
10/01 20:05, 12F