Beyond Bonferroni: Hierarchical Multiple Testing in Empirical Research
超越 Bonferroni：实证研究中的层级多重检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论跨学科通用多重检验，临床试验和项目评价例子不足以确定所列领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
超越 Bonferroni：实证研究中的层级多重检验
- 研究问题
- 实证研究的多个假设具有逻辑或因果层级关系时，如何利用这些关系控制家族错误率，并兼顾功效与解释性？
- 方法与思路
- 作者综述固定序列、回退和门控等层级多重检验方法，对照传统及逐步校正，讨论统计性质与应用中的取舍。
- 材料陈述的贡献
- 摘要所述贡献是梳理层级检验方法及其实践含义，说明纳入假设关系可能改善功效和解释性，并未声称提出新估计量。
- 阅读关注点
- 应核对各程序所需的依赖条件、假设排序和门控规则，以及层级结构能否事先确定、错误率控制针对哪一组假设。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未给出逐项条件，不能认为层级方法始终更有功效。
原文摘要
Empirical research in the social and medical sciences frequently involves testing multiple hypotheses simultaneously, increasing the risk of false positives due to chance. Classical multiple testing procedures, such as the Bonferroni correction, control the family-wise error rate (FWER) but tend to be overly conservative, reducing statistical power. Stepwise alternatives like the Holm and Hochberg procedures offer improved power while maintaining error control under certain dependence structures. However, these standard approaches typically ignore hierarchical relationships among hypotheses -- structures that are common in settings such as clinical trials and program evaluations, where outcomes are often logically or causally linked. Hierarchical multiple testing procedures -- including fixed sequence, fallback, and gatekeeping methods -- explicitly incorporate these relationships, providing more powerful and interpretable frameworks for inference. This paper reviews key hierarchical methods, compares their statistical properties and practical trade-offs, and discusses implications for applied empirical research.