我想模拟不同类型的多重测试更正的效果，例如Bonferroni，Fisher's LSD，DUncan，Dunn-Sidak Newman-Keuls，Tukey等。 .. Anova。
我想我应该简单地运行常规Anova。然后接受我使用p.value计算的重要p.adjust s。但我不知道这个p.adjust函数是如何工作的。可以给我一些关于p.adjust()的见解吗？
：
> p.adjust(c(0.05,0.05,0.1),"bonferroni")
# [1] 0.15 0.15 0.30
有人可以解释这是什么意思吗？
感谢您的回答。我有点了解这一切。但我仍然不理解p.adjust的输出。我希望......
P.adjust（0.08， '邦费罗尼'，N = 10）
...将返回0.008而不是0.8。 n = 10并不意味着我正在进行10次比较。并且不是0.08“原始alpha”（我的意思是如果我进行一次简单的比较，我会用来拒绝NULL假设的阈值）
答案 0 :(得分：4)
您必须阅读每种多重测试校正技术，无论是False Discovery Rate (FDR)还是Family-Wise Error Rate (FWER）。 （感谢@thelatemail指出要扩展缩写）。
Bonferroni更正通过将显着性级别FWER设置为alpha来控制alpha/n，其中n是典型多重比较中测试的假设数量（此处为{{1} }}）。
假设您正在测试5％alpha。如果你的p值是＆lt; 0.05，然后你拒绝你的NULL。对于n=3，然后，对于Bonferroni校正，您可以将n=3除以3 = 0.05 / 3~0.0167，然后检查您的p值是否为＆lt; 0.0167。
等效（直接明显），而不是检查alpha，您可以将pval < alpha/n带到另一边n。因此pval * n < alpha保持相同的值。因此，您的p值乘以alpha，然后检查它们是否＆lt;例如，alpha = 0.05。
因此，您获得的输出是3，如果这是＆lt; alpha（5％说），然后你会拒绝NULL，否则你会接受NULL假设。
对于每个测试，由于多次测试，有不同的程序来控制误报。维基百科可能是一个很好的起点，可以了解其他关于如何纠正控制误报的测试。
但是，FWER controlled p-value的输出一般会给出p.adjust。在Bonferroni的情况下，它是FWER控制的p值。在BH方法的情况下，它是FDR校正的p值（或者也称为q值）。
希望这有点帮助。