免费邦费罗尼校正计算器

当对同一数据集进行多次统计检验时，至少出现一个假阳性结果（I型错误）的概率会迅速增加。邦费罗尼校正（常称为邦费罗尼调整）是一种广泛使用的多重比较校正技术，通过降低每个单独检验的显著性阈值来控制整体错误率。本文解释该方法的基本原理，展示如何使用经典公式和Šidák校正推导调整后显著性水平，并讨论使用该方法的实际权衡。

什么是邦费罗尼校正？

邦费罗尼校正通过将期望的族系显著性水平 $\alpha$ 除以比较次数 $m$ 来解决多重性问题。如果 $\alpha = 0.05$ 且检验十个假设，则每个检验根据调整阈值 $\alpha_{\text{adj}} = 0.05 / 10 = 0.005$ 进行评估。只有当其p值小于该校正值时，才宣布结果具有统计显著性。这种简单的邦费罗尼调整将任何单个假阳性的概率保持在原始 $\alpha$ 水平或以下。

$$\alpha_{\text{adj}} = \dfrac{\alpha}{m}$$

无论您是在ANOVA中进行事后比较、在临床试验中测试多个终点、还是对单个样本进行许多相关性分析，该原则都适用。

如何计算校正阈值

您可以选择经典的邦费罗尼公式或Šidák校正，后者在检验独立时略微不那么保守。

经典邦费罗尼

将原始显著性水平 $\alpha$ 除以检验次数 $m$。

$$\alpha_{\text{adj}} = \dfrac{\alpha}{m}$$

Šidák校正

假设独立性，Šidák方法计算调整后的水平为：

$$\alpha_{\text{adj}} = 1 - (1 - \alpha)^{\frac{1}{m}}$$

示例

• 检验次数 ($m$): 4
• 名义显著性水平 ($\alpha$): 0.05 (5%)

经典邦费罗尼:

$$\alpha_{\text{adj}} = \dfrac{0.05}{4} = 0.0125$$

每个检验必须获得低于0.0125的p值才能被认为显著。

Šidák校正:

$$\alpha_{\text{adj}} = 1 - (1 - 0.05)^{\frac{1}{4}} = 1 - 0.95^{0.25} \approx 0.0127$$

在这种情况下，阈值非常接近经典结果（0.0127 vs. 0.0125），但随着 $m$ 增加或 $\alpha$ 降低，差异会变大。

为什么校正很重要

没有任何调整时，族系错误率（FWER）按 $1 - (1 - \alpha)^m$ 增长。对于20次检验，在 $\alpha = 0.05$ 时，遇到至少一个假阳性结果的概率为 $1 - 0.95^{20} \approx 64\%$。邦费罗尼校正迫使FWER保持在 $\alpha$ 或以下，使多重比较时的显著发现更可信。

局限性与替代方案

尽管邦费罗尼校正简单，但它可能过于保守，尤其是在进行多次检验或检验高度相关时。这种保守性增加了假阴性（II型错误）的概率，意味着可能遗漏真正重要的效应。

因此，研究人员通常转向不太严格的方法：

• Holm‑Bonferroni方法 – 顺序调整p值，同时保持对FWER的强控制。
• Benjamini‑Hochberg程序 – 控制错误发现率（FDR）而不是FWER，在预期有许多真实效应时提供更高的检验功效。

这些方法的选择取决于研究背景以及研究者如何平衡假阳性与假阴性。邦费罗尼校正仍然是最直接且最普遍理解的选择，是任何多重比较校正的坚实起点。

本工具自动计算经典邦费罗尼调整和Šidák校正，让您快速获得任意比较次数和任意名义 $\alpha$ 下的调整后显著性水平。