Miera chybovosti typu 1

Prejsť na

Túto wiki nájdete na platforme Physiotutors Staňte sa členom

Naučte sa

Miera chybovosti typu 1 | Štatistika

Testovanie viacerých premenných zvyšuje chybovosť typu 1 alebo mieru falošne pozitívnych výsledkov. Toto sa nazýva problém viacnásobného porovnávania. Korekcia tejto alfa-inflácie nie je zložitá. Existujú dva hlavné spôsoby, a to Bonferroniho korekcia a Holmova korekcia.

Bonferroniho korekcia

Bonferroniho korekcia je jednoduchá, ale pomerne konzervatívna. Úroveň alfa vydelíte počtom testov, ktoré sa chystáte vykonať. Toto bude nová úroveň významnosti. Takže v tomto prípade:

ɑ / n

ɑ: alfa alebo hladina významnosti

n: počet testov

0.05 / 10 = 0.005

Pri čítaní článku to teda môžete urobiť celkom jednoducho. Ak sa testuje päť premenných, viete, že hladina alfa by mala byť približne 0,01 namiesto 0,05 (0,05 / 5). To platí za predpokladu, že výskumníci nevykonali množstvo testov "v zákulisí", pričom ich neoznámili. Tento postup sa nazýva vyťažovanie údajov alebo p-hacking.

Iný spôsob je jednoducho vynásobiť p-hodnotu v dokumente počtom testov.

Napr.

P-hodnota = 0,03

0.03 * 10 = 0.3

To znamená, že predtým významná p-hodnota sa teraz stala nevýznamnou, ak sa testovalo 10 premenných.

Obmedzenia Bonferroniho korekcie

Bonferroniho korekcia je široko používaná metóda na úpravu hladiny významnosti pri viacnásobných porovnaniach s cieľom kontrolovať celkovú chybovosť typu I. Má však niekoľko obmedzení.

Jedným z hlavných problémov je, že môže byť príliš prísny, čo môže viesť k strate štatistickej sily. Okrem toho predpokladá, že všetky porovnania sú nezávislé, čo nemusí byť prípad reálnych údajov, čo môže viesť k vyššej miere chýb typu II.

Ďalším obmedzením Bonferroniho korekcie je, že zvyšuje pravdepodobnosť falošne negatívnych výsledkov alebo chýb typu II, čo znamená, že existuje vyššia pravdepodobnosť, že sa prehliadne skutočný účinok.

Napokon, Bonferroniho korekcia je najvhodnejšia v situáciách, keď je počet porovnaní relatívne malý, pretože nemusí byť taká účinná, keď je počet porovnaní veľmi veľký. Preto by výskumníci mali starostlivo zvážiť vhodnosť Bonferroniho korekcie pre svoju výskumnú otázku a súbor údajov a uvedomiť si jej obmedzenia.

Oprava Holm

Druhým spôsobom korekcie inflácie alfa je Holmova korekcia. Povedzme, že výskumníci vykonali päť testov, a tak získali päť p-hodnot. Aby Holmova korekcia fungovala, mali by byť zoradené od najnižšej po najvyššiu.

Napr.

0,0004
0,0130
0,0172
0,0460
0,0600

Holmov vzorec je nasledovný:

p-hodnota * (m + 1 - k)

m = počet p-hodnot

k = hodnosť p-hodnoty

Takže pre tretiu p-hodnotu dostaneme...

0,0172 * (5 + 1 - 3) = 0,0516

... čím sa výsledky stávajú nevýznamnými.

Obmedzenia korekcie Holm

Jedným z obmedzení je, že Holmova korekcia predpokladá, že všetky testy sú nezávislé, čo znamená, že výsledky jedného testu neovplyvňujú výsledky iného testu. V niektorých prípadoch však môžu byť testy závislé, napríklad pri testovaní viacerých výsledkov z tej istej vzorky alebo pri testovaní rôznych časových bodov tej istej intervencie. V takýchto prípadoch môže byť Holmova korekcia príliš konzervatívna alebo príliš liberálna, čo vedie k nesprávnym záverom. Ďalším obmedzením Holmovej korekcie je, že nezohľadňuje koreláciu medzi testami, čo môže ovplyvniť mieru falošnej pozitivity. Napríklad, ak sa viacero testov týka toho istého základného konštruktu, pravdepodobnosť zistenia významného účinku sa zvyšuje a Holmova korekcia to nemusí primerane zohľadniť. Hoci Holmova korekcia je užitočná metóda na úpravu p-hodnoty pri testovaní viacnásobného porovnávania, je dôležité zvážiť jej obmedzenia, najmä ak sú testy závislé alebo korelované. V niektorých prípadoch môžu byť vhodnejšie iné metódy, ako napríklad kontrola miery chybných zistení alebo Bayesove metódy.