Çoklu Karşılaştırma Problemi
The Multiple Comparisons Problem and Statistical Correction Methods · Ayrıca şöyle bilinir: multiple testing, family-wise error, p-value adjustment, false discovery rate
Birden fazla istatistiksel test yapıldığında, şansa bağlı olarak en az bir yanlış pozitif elde etme olasılığı, test sayısı arttıkça artar. Çoklu karşılaştırma problemi (aynı zamanda çokluk problemi olarak da adlandırılır), α = 0.05 düzeyinde 100 hipotez testi yaparsanız, tüm boş hipotezler doğru olsa bile, yalnızca şansa bağlı olarak ~5 yanlış pozitif bekleyeceğiniz için ortaya çıkar. Bonferroni, Benjamini-Hochberg yanlış keşif oranı (YKO) ve diğerleri gibi düzeltme yöntemleri, hata oranlarını kontrol etmek için anlamlılık eşiğini veya p-değerlerini ayarlar. Bu kavram, araştırma bütünlüğü açısından kritik öneme sahiptir ve keşifsel bilim için derin çıkarımları vardır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Çoklu karşılaştırmalar için her zaman düzeltme yapın: (1) Çok sayıda hipotez test ediyorsanız (örn. >5). (2) Alt grup analizleri veya duyarlılık analizleri yapıyorsanız. (3) Ön kayıt olmaksızın keşifsel veri analizi yapıyorsanız. Yanlış pozitiflerin çok maliyetli olduğu durumlarda (örn. bir ilacın onaylanması, hukukta suçluluğun belirlenmesi) Bonferroni kullanın. Bazı yanlış pozitiflere tolerans gösterebildiğiniz ve bulguları tekrarlayabildiğiniz durumlarda (örn. gen keşfi, burada tekrarlama hangi bulguların gerçek olduğunu belirler) YKO kullanın. Tüm testler tek, birleşik bir hipotez olarak önceden belirtilmişse (örn. 5 sonuç değişkenini çok değişkenli bir bileşik olarak test etme) düzeltme YAPMAYIN. Aşırı düzeltme YAPMAYIN: yalnızca 1-2 test yapıyorsanız, düzeltme gereksizdir.
Güçlü yönler & sınırlılıklar
- Çok sayıda test içeren çalışmalarda yanlış pozitif oranlarının şişmesini önler, bilimsel bütünlüğü korur.
- Bonferroni basit, şeffaf ve her türlü teste evrensel olarak uygulanabilir.
- YKO, güç ve hata kontrolünü dengeler, yüksek boyutlu verilerde (genomik, nörogörüntüleme) keşfi mümkün kılarken yanlış pozitifleri kontrol eder.
- Düzeltmelerin ön kaydını sağlar; düzeltme yöntemini önceden belirtmek p-hacking'i azaltır.
- Bonferroni düzeltmesi, özellikle çok sayıda testle birlikte muhafazakardır; gerçek etkileri gözden kaçırabilir (Tip II hata şişmesi).
- Testlerin bağımsız olduğunu varsayar; bağımlı (ilişkili) testlerle Bonferroni aşırı muhafazakardır.
- YKO, güvenilir bir şekilde çalışmak için yeterli test ve yeterli gerçek sinyal olduğunu varsayar; çok az testle, YKO Tip I hatayı iyi kontrol edemeyebilir.
- Düzeltme, toplam testlerin önceden sayılmasına bağlıdır; eğer eksik sayar veya planlanmamış testleri sonradan yaparsanız, düzeltme geçersizdir.
- P-hacking'e veya seçici raporlamaya karşı koruma sağlamaz; düzeltme, yalnızca anlamlı olanlar değil, tüm testlerin rapor edildiğini varsayar.
SSS
Çok değişkenli bir hipotezi test ediyorsam çoklu karşılaştırmalar için düzeltme yapmam gerekir mi?
Tek bir bileşik hipotezi test ediyorsanız (örn. çok değişkenli ANOVA kullanarak bir tedavinin 5 sonuçtan herhangi birini aynı anda etkileyip etkilemediğini test etmek) gerekmez. Tek bir test yapıyorsunuz. Ancak, daha sonra her sonuç için tek değişkenli testlerle devam ederseniz, bu takip testlerini düzeltmelisiniz. Ana hipotezinizin çok değişkenli (tek test) mi yoksa tek değişkenli çoklu testler (düzeltme gerektirir) mi olduğunu önceden belirtin.
Hangisi daha iyi: Bonferroni mi YKO mu?
Bağlama göre değişir. Bonferroni, aile-geneli hatayı (HERHANGİ bir yanlış pozitif olasılığı) kontrol eder, yanlış pozitiflere karşı kesinlikle koruma sağlar. YKO, keşifler arasındaki yanlış pozitiflerin oranını kontrol eder, bazı yanlış pozitiflere izin verir ancak gücü korur. Yanlış pozitiflerin çok maliyetli olduğu yüksek riskli kararlar (ilaç onayı) için Bonferroni kullanın. Bazı yanlış pozitiflere tolerans gösterebildiğiniz ve bulguları tekrarlayabildiğiniz keşif araştırmaları (genomik, görüntüleme) için YKO kullanın.
100 keşifsel test yaparsam ve 5 tanesini p < 0.05'te anlamlı bulursam, bunlar gerçek bulgular mıdır?
Muhtemelen hayır—bu 5'i muhtemelen rastgele gürültüden kaynaklanan yanlış pozitiflerdir. Eğer 100 testin tümü gerçek boş hipotezlere sahipse ve α = 0.05 ise, 5 yanlış pozitif beklersiniz. Bunların gerçek olduğunu iddia etmek için: (1) Önceden çoklu karşılaştırma düzeltmesi (YKO veya Bonferroni) uygulayın. (2) Yeni, bağımsız bir veri kümesinde tekrarlayın. (3) Verileri görmeden önce hipotezleri önceden kaydedin. Keşifsel p-değerlerini asla doğrulayıcı kanıt olarak rapor etmeyin.
Düzeltmeyi yalnızca bazı testlere uygulayıp diğerlerine uygulamayabilir miyim?
Yalnızca hangi testlerin birincil (düzeltilmemiş) ve hangilerinin keşifsel (düzeltilmiş) olduğunu önceden belirtirseniz. Bunu açıkça rapor edin. Sonradan seçici düzeltme (sonuçlara göre bazı testleri düzeltip diğerlerini düzeltmemek) p-hacking'dir. En güvenli yaklaşım: veri analizinden önce tüm testleri ve düzeltme yöntemini önceden kaydedin.
Açıklanmayan sayıda test yaparsam ne olur?
Doğru düzeltme faktörünü bilemezsiniz. Yalnızca anlamlı bulguları rapor eder ve yapılan toplam test sayısını gizlerseniz, okuyucular yanlış pozitif oranını değerlendiremez. Bu, seçici raporlama yanlılığıdır. Her zaman açıklayın: (1) Kaç test planladığınızı (ön kayıt). (2) Gerçekte kaç test yaptığınızı. (3) Hangi düzeltme yöntemini uyguladığınızı. Şeffaflık, okuyucuların güvenilirliği değerlendirmesini sağlar.
Kaynaklar
- Bonferroni, C. E. (1935). Il calcolo dei coefficienti di correlazione nel caso di variabilità di gruppi. Instituto Italiano di Statistica. link ↗
- Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: A practical and powerful approach to multiple testing. Journal of the Royal Statistical Society Series B, 57(1), 289–300. DOI: 10.1111/j.2517-6161.1995.tb02031.x ↗
- Ioannidis, J. P. A. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124. DOI: 10.1371/journal.pmed.0020124 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). The Multiple Comparisons Problem and Statistical Correction Methods. ScholarGate. https://scholargate.app/tr/research-statistics/multiple-comparisons-problem
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Sıfır Hipotezi TestiAraştırma istatistiği↔ karşılaştır
- p-Değeri ve İstatistiksel AnlamlılıkAraştırma istatistiği↔ karşılaştır
- Yayın YanlılığıAraştırma istatistiği↔ karşılaştır
- Tip I ve Tip II HatalarıAraştırma istatistiği↔ karşılaştır