R语言p值校正函数p.adjust

最新推荐文章于 2024-11-23 17:54:35 发布

qq_27390023

最新推荐文章于 2024-11-23 17:54:35 发布

阅读量9.3k

点赞数 3

文章标签： r语言

本文链接：https://blog.csdn.net/qq_27390023/article/details/127622353

版权

博客介绍了R语言中p值的调整方法，包括Bonferroni校正、Holm、Hochberg等方法。前四种方法控制家庭错误率，Hochberg和Hommel在假设独立或非负相关时有效。Benjamini等的“BH”和“BY”方法控制错误发现率，比其他方法更强大。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

调整方法包括Bonferroni校正（“Bonferrroni”），其中p值乘以比较次数。Holm（1979）（“Holm”）、Hochberg（1988）（“霍奇伯格”）、霍梅尔（1988）、本杰米尼和霍奇伯格（1995）（“BH”或其别名“fdr”）、本贾米尼和耶库蒂利（2001）（“by”）也分别包含了较不保守的修正。还包括传递选项（“无”）。这组方法包含在p.adjust中。方法向量为需要将方法作为选项并将其传递给p.adjust的方法的利益。

前四种方法旨在对家庭错误率进行强有力的控制。似乎没有理由使用未修改的Bonferroni校正，因为它由Holm方法主导，在任意假设下也有效。

当假设检验独立或非负相关时，Hochberg和Hommel方法有效（Sarkar，1998；Sarkar和Chang，1997）。Hommel的方法比Hochberg的方法更强大，但差异通常很小，而且Hochberg-p值的计算速度更快。

Benjamini、Hochberg和Yekutieli的“BH”（又名“fdr”）和“BY”方法控制了错误发现率，即被拒绝的假设中错误发现的预期比例。错误发现率是比家族错误率更严格的条件，因此这些方法比其他方法更强大。

Description

Given a set of p-values, returns p-values adjusted using one of several methods.

Usage

p.adjust(p, method = p.adjust.methods, n = length(p))

page(p.adjust)
?p.adjust

p.adjust.methods
# [1] "holm"       "hochberg"   "hommel"     "bonferroni" "BH"        
# [6] "BY"         "fdr"        "none" 

comp_result_test$adjpval <- p.adjust(p = comp_result_test$pval, method = "fdr")