在Matlab中調整多個比較的p值

我有一個p值的單元數組，必須針對多重比較進行調整。我怎麼能在Matlab中做到這一點？我找不到內置函數。在Matlab中調整多個比較的p值

在R I會做：

data.pValue_adjusted = p.adjust(data.pValue, method='bonferroni')

是否有Matlab的一個類似的功能？理想情況下，執行不同調整方法的人（Bonferroni，Benjamini-Hochberg，FDR ...）？

來源

2011-08-25 Martin Preusse

This submission可能是你在找什麼，但它只實現了Bonferroni-Holm方法。你將不得不搜索FEX爲其他校正方法類似的解決方案..

認爲統計工具箱有MULTCOMPARE方法，是專爲多重比較檢驗，但它不返回校正p值。這裏有一個例子：

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');

來源

2011-08-27 13:54:50 Amro

我認爲Bonferroni-Holm已經足夠了。我不明白細節;） –

快速閱讀文檔表明，multompare僅適用於類似於anova的測量（它似乎使用t檢驗臨界值 - 請參閱bonferroni的描述 - 而不是調整p值） – Eponymous

Bonferroni *（FWER /家族智慧錯誤率）與Benjamini *（FDR /錯誤發現率）之間存在重要差異。非常非常粗略地說，FWER中的重要性（又名α）是即使一次測試錯誤地拒絕零假設的概率。在FDR中，意義在於拒絕（發現）的比例不正確。所以，如果40％在95％的水平上顯着，那麼在FWER下，這意味着有1比20的機會出現1場比賽是錯誤的。而對於FDR，這意味着1/20是錯誤的 - 所以平均有2個是錯誤的。 – Eponymous

看看T-test with Bonferroni Correction和Matlab文件交換中的相關文件。

我希望這會有所幫助。

來源

2011-08-26 13:16:05 ephsmith

不是真的，我只需要多次測試的更正。 –

如果你有生物信息工具箱，你可以使用MAFDR函數來計算錯誤發現率調整的p值。

來源

2011-08-29 02:15:18 yuk

好主意，謝謝！ –

對於那些無法訪問生物信息學工具箱的人來說，Benjamini＆Hochberg和Benjamini＆Yekutieli的實現在[matlab central]（http://www.mathworks.com/matlabcentral/fileexchange/27418-benjamini-hochbergyekutieli-procedure-用於控制假髮現率）。雖然不是替代品，但它可以用來代替MAFDR。 – Eponymous

@同名值得注意的是，默認的官方mafdr實現使用了Storey（2002）的方法，該方法通常比原始的Benjamini-Hochberg版本更強大。文檔[這裏]（http://www.mathworks.com/help/bioinfo/ref/mafdr.html）。 – Matt

對於沒有生物信息學工具箱的人來說，FDR（False Discovery Rate）方法也很好地被描述爲here，它還提供了與fdr腳本的鏈接。

來源

2014-07-04 13:13:10 Fraukje

該鏈接中的有用解釋 – Leo

另請參見http://uk.mathworks.com/matlabcentral/fileexchange/28303-bonferroni-holm-correction-for-multiple-comparisons和 https://en.wikipedia.org/wiki/Holm%E2%80%93Bonferroni_method爲背景。

來源

2015-07-15 15:41:25

雖然鏈接可能回答問題，但最好在此處包含答案的基本部分並提供供參考的鏈接。如果鏈接頁面更改，則僅鏈接答案可能會失效。 – ZygD

在Matlab中調整多個比較的p值

回答

相關問題