邦費羅尼校正計算器

邦費羅尼校正是一種簡單的方法，用來在研究進行多項假設檢定時限制偽陽性結果。常用的 alpha 為 0.05，表示在相關假設成立時，每項檢定錯誤拒絕真實虛無假設的機率為百分之五。將多項檢定一起考量時，至少發生一次意外拒絕的機率可能遠高於百分之五。此校正將期望的整體 alpha 除以比較次數，以控制家族型錯誤率。 若研究規劃 m 項檢定，並希望家族顯著水準為 α，則每項檢定都以 α/m 為判斷門檻。例如，整體 alpha 為 0.05 的五項檢定，校正門檻為 0.01。觀察到 p 值為 0.008 時仍顯著，而 p 值為 0.02 時則不顯著。另一種等價作法是將每個原始 p 值乘以檢定次數，並將結果上限設為一。把調整後的 p 值與原始 alpha 比較，會得到相同決策。 此方法依據聯集界，因此不要求檢定之間相互獨立，也能控制發生一次或多次第一類錯誤的機率。廣泛的適用性是其主要優點。不過，它也較為保守，尤其當檢定很多或呈正相關時。保守性表示統計檢定力可能下降，使真實效應更難被偵測。研究者應在查看結果前定義假設家族，而不是事後挑選方便的比較次數。 一個檢定家族應包含屬於同一推論主張或決策的假設。例如，將數個治療組與一個對照組比較的試驗，可以將這些比較視為同一家族。探索性分析可以分成不同且內部一致的家族，但劃分方式必須有科學依據。反覆檢定結果指標、次群組、時間點與模型設定，卻未納入所有相關選擇，仍可能提高偽陽性風險。 當避免任何一個錯誤主張都特別重要、比較次數不多，或需要透明易懂的校正時，邦費羅尼方法很實用。霍爾姆逐步法同樣控制家族型錯誤率，其檢定力通常至少不低於邦費羅尼方法。本傑明－霍赫貝格方法控制的則是錯誤發現率，可能較適合大型探索性篩選。本計算器提供精確的邦費羅尼門檻；校正方法的選擇仍取決於研究設計、驗證目標與偽陽性的後果。