Der angepasste P-Wert ist das kleinste familiäre Signifikanzniveau, bei dem ein bestimmter Vergleich als statistisch signifikant als Teil des multiplen Vergleichstests erklärt wird. … Für jeden Vergleich in einer Vergleichsfamilie wird ein separater angepasster P-Wert berechnet.
Wie berechnet man den angepassten p-Wert?
Führen Sie die Berechnung gemäß dem Vorschlag von Vladimir Cermak manuell durch, indem Sie den angepassten p-Wert=p-Wert(Gesamtzahl der getesteten Hypothesen)/(Rang des p-Werts) verwenden, oder R verwenden, wie von Oliver Gutjahr S. vorgeschlagen
Was ist der bereinigte p-Wert im Vergleich zum p-Wert?
Eine andere Möglichkeit, den Unterschied zu betrachten, ist, dass ein p-Wert von 0,05 impliziert, dass 5 % aller Tests zu falsch positiven Ergebnissen führen. Ein FDR-korrigierter p-Wert (oder q-Wert) von 0,05 impliziert, dass 5 % der signifikanten Tests zu falsch positiven Ergebnissen führen. Letzteres führt zu weniger Fehlalarmen.
Warum passen wir p-Werte an?
Für Mehrfachvergleiche in der ANOVA verwenden, gibt der angepasste p-Wert an, welche Vergleiche auf Faktorebene innerhalb einer Familie von Vergleichen (Hypothesentests) signifikant unterschiedlich sind. Wenn der angepasste p-Wert kleiner als Alpha ist, lehnen Sie die Nullhypothese ab.
Wie wird der p-Wert nach Bonferroni berechnet?
Um den Bonferroni-korrigierten/angepassten p-Wert zu erh alten, dividieren Sie den ursprünglichen α-Wert durch die Anzahl der Analysen der abhängigen Variablen.