Доверительные интервалы из теста Холма-Бонферрони?

Я новичок в проблеме множественных сравнений. Интересно, как рассчитать доверительные интервалы для метода Холма-Бонферрони?

Я знаю, что для метода Бонферрони мы можем просто изменить уровень достоверности с на .$1-\alpha$$1-\frac{\alpha}{m}$

Этот метод также работает для Холма-Бонферрони?

$\bf{Edit}:$ кажется, что метод HB не предоставляет процедуру для исправления conf. интервал. Но не могли бы вы прокомментировать, могу ли я использовать один метод для коррекции p-значения и другой метод для коррекции интервала?

[Этот ответ полностью переписан со вчерашнего дня.]

Первая номенклатура. Метод Холма также называют методом понижения Холма , или методом Холма-Райана . Это все одинаковые. Какое бы из этих имен вы ни использовали, есть два альтернативных расчета. Оригинальный метод Холма основан на Бонферрони. Альтернативный, немного более мощный, метод основан на Сидаке, так называемом методе Холма-Сидака.

Метод Холма можно использовать для множественных сравнений в различных контекстах. Его вход представляет собой стек значений P. Одно из применений состоит в том, чтобы следовать ANOVA, сравнивая пары средств, исправляя множественные исправления. Когда это сделано, насколько я вижу, очень редко сообщают доверительные интервалы (скорректированные для множественных сравнений, так называемые одновременные доверительные интервалы), а также выводы о статистической значимости и скорректированных с учетом множественности значений P.

Я нашел две статьи, которые объясняют, как вычислить такие доверительные интервалы, но они отличаются.

Серлин Р. (1993). Доверительные интервалы и научный метод: случай для Холма на полигоне. Журнал экспериментального образования, 61 (4), 350–360.

Лудбрук, Дж. Несколько факторов, использующих доверительные интервалы. Клиническая и экспериментальная фармакология и физиология (2000) 27, 212–215

Для сравнений с наименьшими значениями P оба метода одинаковы (но один использует C в качестве # сравнений, а другой использует m ). Но для сравнения с большими значениями P два метода отличаются. Для сравнения с наибольшим значением P Лудбрук обычно рассчитывает 95% ДИ без коррекции для множественных сравнений. Serlin будет использовать одну и ту же настройку для всех сравнений со скорректированным значением P, превышающим 0,05 (при условии, что вы хотите интервалы 95%), поэтому интервалы для сравнений с большими значениями P будут шире, чем те, которые генерирует метод Лудбрука.

Оба метода используют подход Бонферрони, но могут быть легко адаптированы к подходу Сидак.

Любые мысли о том, какой метод является правильным / лучше?