1. Bonferroni 矫正：
原理：将显著性水平（α）除以检验的数量 m。每个检验的阈值为α/m。这种方法简单，但在检验数量较多时可能过于保守。
2. Holm-Bonferroni 方法：
原理：对 p 值进行排序，并逐个检验。第 i 个 p 值的显著性水平为 α/(m−i+1)。与 Bonferroni 方法相比，它更加灵活，减少了对显著性水平的过度保守。
3. False Discovery Rate (FDR) 控制方法
-
FDR（错误发现率，False Discovery Rate）指的是在多个假设检验中，被错误拒绝的零假设所占的比例。具体来说，它衡量的是在所有被认为显著的结果中，实际上是错误的结果所占的比例。
-
举例：比如有1000个统计检验，其中800个检验是显著的，但实际上真正显著的只有700个，有100个是错误的发现，则FDR = 1/8
一般用Benjamini-Hochberg (BH) 方法:
-
进行m个假设检验，得到m个 p 值
-
将 p 值按从小到大排列
-
设定期望的假发现率（FDR）水平 α，通常是 0.05
-
对于排序后的p值，计算其对应的阈值。例如对于第i个p值，阈值为 i/m×α
-
对排序后的每个p值及其对应阈值进行比较，小于阈值的认为是显著
FDR与p值的相互转换
为了在同一阈值下控制FDR，可以对每个p值计算其对应q值：qi = pi * m/i，再将q值与α进行比较即可
网友评论