Correction des comparaisons multiples chez un sujet / mesures répétées ANOVA; excessivement conservateur?

Il me semble que les corrections disponibles pour les comparaisons multiples dans le cadre d'une ANOVA à mesures répétées sont excessivement conservatrices. Est-ce bien le cas? Si oui, quelles sont les citations que je peux utiliser pour appuyer ce point et en savoir plus?

anova repeated-measures multiple-comparisons

— russellpierce
source

De quel type de correction MP parlez-vous également? (BTW, pourquoi le alphatag?)

— chl

concernant la balise alpha: uniquement parce que les corrections sont généralement destinées à maintenir la constante alpha.

— russellpierce

Je ne sais pas ce que MP représente dans ce contexte, mais je parle des corrections de comparaisons multiples Bonferroni et / ou Sidak fréquemment utilisées.

— russellpierce

Je sais qu'il existe d'autres approches, par exemple le taux de fausses découvertes, etc., mais je cherche spécifiquement à évaluer et à critiquer les approches les plus fréquemment utilisées.

— russellpierce

Alors que je continue de fouiller, il semble y avoir essentiellement deux camps ... ceux qui ont une `` meilleure approche '' via un terme d'erreur groupé et ceux qui veulent ajuster la valeur de p selon une sorte de procédure de comparaison multiple (Bonferonni, Holm ... etc etc ... il semble y en avoir plus que j'ai de doigts).

— russellpierce

Réponses:

À ma connaissance, la distribution conjointe des contrastes linéaires a été dérivée dans le cas ANOVA simple (voir la documentation du package multcomp R), mais il n'y a pas de formulaires fermés pour la configuration des mesures répétées. Néanmoins, vous pouvez toujours Bootstrap la distribution conjointe de ces contrastes linéaires sous le zéro, et regardez la statistique t minimale (ou la valeur p maximale) pour définir le seuil de signification avec le contrôle FWE. Comme vous l'avez également suggéré, vous pouvez utiliser des méthodes qui ne nécessitent qu'une condition qualitative sur la distribution conjointe des statistiques de test. Bonferroni est une bonne option si vous avez peu de contrastes. Sinon, jetez un œil à Holm . Si vous examinez de nombreux contrastes linéaires, vous devez absolument vous demander si vous voulez une protection contretoute fausse découverte ou seulement une partie des fausses découvertes. Dans ce dernier cas, utilisez la procédure BH pour le contrôle FDR.

— JohnRos
source

Voici une collection de liens vers un forum SPSS. J'espère que vous le trouverez pertinent dans une certaine mesure: ceci , ceci , ceci , ceci .

— ttnphns
source

Merci d'avoir pointé dans une direction. Malheureusement, les publications des groupes de nouvelles sont loin d'être des preuves convaincantes lors de l'examen de ces questions dans les travaux publiés. L'introduction générale sur la sphéricité est intéressante et montre pourquoi les ajustements de la valeur de p de type Bonferroni sont encore couramment utilisés. Malheureusement, il n'y a pas vraiment d'accusation de la nature conservatrice de cette approche.

— russellpierce