statsmodels.stats.multitest.fdrcorrection_twostage¶

statsmodels.stats.multitest.fdrcorrection_twostage(pvals, alpha=0.05, method='bky', maxiter=1, iter=None, is_sorted=False)[source]¶

（迭代）两阶段线性逐步上升程序，用于估计真实假设的数量

Benjamini、Krieger 和 Yekuteli，定义 6 中的程序

Parameters:¶

pvalsarray_like

单个测试的p值集合。

alphafloat

错误率

method{‘bky’, ‘bh’)

查看详细信息

• ‘bky’ - implements the procedure in Definition 6 of Benjamini, Krieger

  和 Yekuteli 2006

• ‘bh’ - Benjamini 和 Hochberg 的两阶段方法

maxiterint or bool

最大迭代次数。 maxiter=1（默认）对应于两阶段方法。 maxiter=-1 对应于完整迭代，即 maxiter=len(pvals)。 maxiter=0 仅使用单阶段 fdr 校正，使用 ‘bh’ 或 ‘bky’ 的先验假设真实假设的比例。 为了向后兼容已弃用的 iter 关键字，允许使用布尔值 maxiter。 maxiter=False 是两阶段 fdr（maxiter=1） maxiter=True 是完整迭代（maxiter=-1 或 maxiter=len(pvals)）

在版本0.14中新增: 用于替代iter，并增加了额外功能。

iterbool

iter 已被弃用，请改用 maxiter。 如果 iter 为 True，则仅使用一个迭代步骤，这是两步法。 如果 iter 为 False，则迭代在收敛时停止，这会在有限数量的步骤内发生（最多 len(pvals) 步）。

自版本0.14起已弃用: 使用maxiter代替iter。

Returns:¶

rejectedndarray, bool

如果假设被拒绝则为真，否则为假

pvalue-correctedndarray

p值经过多重假设检验调整以限制FDR

m0int

ntest - rej，估计的真实（未被拒绝）假设的数量

alpha_stageslist of floats

每个阶段使用的alpha列表

注释

返回的校正p值是针对给定的alpha值的，它们不能用于不同的alpha值。

返回的校正p值来自fdr_bh线性逐步上升过程的最后阶段（fdrcorrection0方法为’indep’），针对估计的真实假设比例进行了校正。 这意味着可以通过 pval_corrected <= alpha获得拒绝决策，其中alpha是原始显著性水平。 （注意：这与statsmodels早期版本（<0.5.0）有所不同。）

BKY 描述了几种其他的多阶段方法，这些方法易于实现。然而，在他们的模拟中，简单的两阶段方法（使用 iter=False）对正相关性的存在最为稳健。

待办事项：应该返回什么？