西達克還是邦費羅尼？
我在 SPSS 中使用廣義線性模型來查看 16 種不同植物的毛蟲平均數量（非正態，使用 Tweedie 分佈）的差異。
我想進行多重比較，但我不確定是否應該使用 Sidak 或 Bonferroni 校正測試。這兩個測試有什麼區別？這個比那個好嗎？
如果你跑使用獨立的統計測試作為您的顯著性水平，並且在每種情況下都會獲得空值，無論您是否會發現“顯著性”只是隨機變量的抽取。具體來說，它取自二項分佈和. 例如，如果您計劃使用 3 個測試，並且（您不知道）實際上每種情況都沒有區別，那麼在每次測試中找到顯著結果的機率為 5%。這樣，第一類錯誤率保持在對於單獨的測試，但在 3 組測試中，長期 I 類錯誤率會更高。如果您認為將這 3 個測試組合/考慮在一起是有意義的，那麼您可能希望將 I 類錯誤率保持在對於整個集合，而不僅僅是單獨的。你應該怎麼做？有兩種方法側重於從原來的轉變（IE，）到一個新的值（即，):
**Bonferroni：**調整用於評估“重要性”，使得
**鄧恩-西達克：**調整使用
（請注意，Dunn-Sidak 假設集合中的所有測試都是相互獨立的，並且如果該假設不成立，可能會產生家庭類型 I 錯誤膨脹。）
重要的是要注意，在進行測試時，您要避免兩種錯誤，I 型（即，說沒有差異時有差異）和 II 型（即，說沒有差異）。實際存在差異）。通常，當人們討論這個話題時，他們只討論——而且似乎只知道/關心——第一類錯誤。此外，人們經常忽略提及計算的錯誤率只有在所有空值都為真時才成立。很明顯，如果原假設為假，你就不能犯 I 類錯誤，但在討論這個問題時，明確地牢記這一事實很重要。
我提出這一點是因為這些事實的含義似乎經常被忽視。首先，如果，Dunn-Sidak 方法將提供更高的功率（儘管差異可能非常小)，因此應始終首選（如果適用）。其次，應該使用“降級”方法。即先測試最大的效果；如果您確信在這種情況下不會獲得 null，那麼 I 類錯誤的最大可能數量是，所以接下來的測試應該做相應的調整，以此類推。（這常常讓人不舒服，看起來像釣魚，但它不是釣魚，因為測試是獨立的，並且您打算在看到數據之前進行它們。這只是一種調整的方式最佳。）
無論您如何評價類型 I 相對於類型 II 錯誤，上述情況都成立。然而，事先沒有理由相信第一類錯誤比第二類錯誤更糟糕（儘管每個人似乎都這麼認為）。相反，這是一個必須由研究人員做出的決定，並且必須針對這種情況。就個人而言，如果我運行的是理論上建議的、先驗的、正交的對比，我通常不會調整.
（再次說明這一點，因為它很重要，以上所有假設都假設測試是獨立的。如果對比不是獨立的，例如當多個治療分別與相同的對照進行比較時，則不同的方法應使用調整，例如 Dunnett 檢驗。）