多重假设检验中的Bonferroni校正与FDR控制.docxVIP

多重假设检验中的Bonferroni校正与FDR控制

一、引言：多重假设检验的错误率困境与校正需求

在科学研究的各个领域，从医学临床试验到基因组学分析，从心理学行为实验到社会学调查，研究者们常常需要同时检验多个假设。例如，在基因组关联研究中，研究者可能需要同时检验成千上万个基因与某种疾病的关联；在心理学实验中，可能需要对比多组被试在多个维度上的差异。这种同时检验多个假设的场景，被称为多重假设检验。

传统的单一假设检验中，我们通常设定显著性水平为0.05，意味着在原假设为真的情况下，错误拒绝原假设（即犯一类错误）的概率不超过5%。然而，当同时检验多个假设时，至少犯一次一类错误的概率会急剧上升。例如，当检验20个独立的真原假设时，至少犯一次一类错误的概率会超过60%，而当检验100个独立真原假设时，这一概率几乎接近100%（Miller,1981）。这种一类错误率的膨胀，会导致大量虚假阳性结果的出现，严重威胁研究结论的可靠性与科学性。

为了解决这一问题，研究者们提出了多种多重检验校正方法，其中Bonferroni校正与FDR（错误发现率）控制是应用最为广泛的两种策略。Bonferroni校正以严格控制家族式错误率（FWER）为核心目标，而FDR控制则以控制错误发现的比例为导向，二者在原理、适用场景与检验效力上存在显著差异。本文将系统介绍这两种方法的核心逻辑、适用范围、优缺点，并结合实