作者：kervin

微信号：kervin_zhao

在科学研究的统计分析中，我们往往会遇到多重比较校正问题。多重比较校正的方法很多，如Bonferroni、False Discovery Rate(FDR)、Random-field Theory (RFT)等等，各种校正方法各有优劣，具体应用时要根据自己的统计分析的数据特点进行选择。本文，笔者对Bonferroni和False Discovery Rate(FDR)两种校正方法进行论述，特别是对于应用比较广的FDR校正方法，笔者用具体的例子详细阐述了其原理，并给出其Matlab程序。

为什么要进行多重比较校正

当在同一个数据集上进行多次统计检验时，就需要进行多重比较校正。举个简单的例子，A、B两组被试，我们从每个被试身上得出10个指标。如果我们要研究A、B两组被试的某一个指标是否存在显着差异，那么此时我们只做一次统计分析就行；假设这个指标的p值小于0.05，我们会认为这个指标在A、B两组之间存在显着差异，此时，我们犯错的概率(或者称为假阳性率)是5%。假设我们把这10个指标都进行了统计分析，即使每个独立的指标的p值都小于0.05，此时我们犯错的概率不再是5%，而是1－(0.95)^10=0.4013，也就是说此时我们犯错的概率达到40%多，这在统计学上是不可接受的。