logo标签列表

在Matlab中对多重比较进行p值调整

matlabstatisticsp-valuebonferroni
8
我是一名有用的助手，可以为您翻译文本。
我有一个需要进行多重比较调整的p值单元数组。在Matlab中该如何操作呢？我找不到内置函数。
在R中，我会这样做：
data.pValue_adjusted = p.adjust(data.pValue, method='bonferroni')

Matlab是否有类似的功能？最好能够执行不同的调整方法（Bonferroni，Benjamini-Hochberg，FDR ...）？

6个回答
5
如果您拥有生物信息学工具箱，您可以使用MAFDR函数来计算经过假发现率调整的p值。
1
对于那些没有访问生物信息学工具箱的人，可以在Matlab中心找到Benjamini和Hochberg以及Benjamini和Yekutieli的实现。虽然它不是一个直接替代MAFDR的解决方案，但可以用来代替它。 - Eponymous
1
值得注意的是，官方的 mafdr 实现默认使用 Storey (2002) 的方法，这通常比原始的 Benjamini-Hochberg 版本更强大。文档在此处：http://www.mathworks.com/help/bioinfo/ref/mafdr.html。 - Matt
1

这里提供了一个MATLAB/Octave实现R的p.adjust函数的链接。它可以使用以下方法执行多重比较的p值调整，与其R对应项相等：

  • Holm
  • Hochberg
  • Hommel
  • Bonferroni
  • BH
  • BY
  • fdr
  • Sidak（该方法在R函数中不可用）

免责声明：我是这个软件包的作者。

1

对于没有生物信息学工具箱的人，FDR（假发现率）方法在这里也有非常好的描述，并提供了一个带有fdr脚本的链接。

那个链接里有很有用的解释。 - Leo
0

这个提交可能是你要找的，但它只实现了Bonferroni-Holm方法。你需要在FEX上搜索其他校正方法的类似解决方案。

话虽如此，统计工具箱有MULTCOMPARE方法，专门用于多重比较测试，尽管它不返回校正后的p值。以下是一个示例：

load fisheriris
[pVal tbl stats] = kruskalwallis(meas(:,1), species)   %# Kruskal-Wallis or ANOVA
title('Sepal Length'), xlabel('Groups'), ylabel('Value')

[c,m] = multcompare(stats, 'ctype','bonferroni', 'display','on');
Bonferroni-Holm足够好了，我觉得。反正我也不懂细节 ;) - Martin Preusse
快速阅读文档表明multompare仅适用于类似方差分析的测量（它似乎使用t检验临界值 - 请参见bonferroni的描述 - 而不是调整p值） - Eponymous
2
Bonferroni（FWER / Family-wise-error rate）和Benjamini（FDR / False discovery rate）之间有一个重要的区别。非常粗略地说，在FWER中，显著性（也称为alpha）是测试错误拒绝零假设的概率，即使只有一次。在FDR中，显著性是被拒绝（发现）的比例中不正确的部分。因此，如果在95％的水平下有40个显着结果，在FWER下，这意味着有1/20的机会匹配错误。而对于FDR来说，这意味着1/20是错误的-因此平均有2个错误。 - Eponymous
1
@Eponymous：感谢您的解释。我认为您关于multcompare的看法是正确的，因为它的输入是仅包含t值而不是p值的stats结构...正如其他人在下面展示的那样，解决方案是使用ttest2计算多个测试的原始p值，然后从生物信息学工具箱中调用mafdr来根据Benjamini＆Hochberg（FDR）方法获取调整后的p值。我可能应该提到我不是统计学家，这不是我的专业领域 :) - Amro
0
虽然链接可能回答了问题，但最好在此处包含答案的基本部分并提供参考链接。仅有链接的答案如果链接页面更改可能会变得无效。 - ZygD
0
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接