Benjamini-Hochberg Verfahren
Ein Verfahren zur Kontrolle der Falschentdeckungsrate in multiplen Hypothesentests
Benjamini Hochberg Verfahren Das Benjamini-Hochberg Verfahren ist ein statistisches Korrekturverfahren, das die Falschentdeckungsrate bei multiplen Tests kontrolliert, indem es p-Werte sortiert und adaptive Schwellenwerte anwendet.
Das Wichtigste auf einen Blick
- Das Benjamini-Hochberg Verfahren kontrolliert die Falschentdeckungsrate bei multiplen Tests.
- Es ist weniger konservativ als klassische Methoden und erhöht die Teststärke.
- Das Verfahren sortiert p-Werte und vergleicht sie mit adaptiven Schwellenwerten.
- Es wird häufig in der Genomik und anderen datenintensiven Wissenschaften eingesetzt.
- Die Wahl des FDR-Niveaus ist kontextabhängig und beeinflusst die Fehlerkontrolle.
Überblick: Benjamini Hochberg Verfahren
In der Statistik und Datenanalyse treten häufig Situationen auf, in denen mehrere Hypothesentests gleichzeitig durchgeführt werden. Dabei steigt das Risiko, falsch-positive Ergebnisse zu erhalten. Das Benjamini-Hochberg Verfahren wurde entwickelt, um dieses Problem zu adressieren, indem es die Falschentdeckungsrate kontrolliert und somit eine effektivere Fehlerkontrolle als konservative Methoden bietet.
Definition des Benjamini-Hochberg Verfahrens
Das Benjamini-Hochberg Verfahren ist eine statistische Methode zur Kontrolle der Falschentdeckungsrate (FDR), die bei multiplen Hypothesentests angewendet wird. Es ordnet die p-Werte der Tests der Größe nach und bestimmt adaptive Schwellenwerte, um die Anzahl falsch-positiver Ergebnisse zu begrenzen.
Hintergrund und Motivation
Bei multiplen Hypothesentests steigt die Wahrscheinlichkeit, mindestens einen falsch-positiven Befund zu erhalten. Klassische Verfahren wie die Bonferroni-Korrektur kontrollieren die Family-Wise Error Rate (FWER) streng, was oft zu einem Verlust an Teststärke führt. Das Benjamini-Hochberg Verfahren zielt darauf ab, die FDR zu kontrollieren, also den erwarteten Anteil falsch-positiver Entdeckungen unter allen als signifikant befundenen Tests.
Anwendung des Benjamini-Hochberg Verfahrens
| Schritt | Beschreibung |
|---|---|
| 1 | Sortiere p-Werte aufsteigend |
| 2 | Berechne Schwellenwerte (i/m)*Q |
| 3 | Finde größten p-Wert ≤ Schwellenwert |
| 4 | Signifikante Tests identifizieren |
Beispielhafte Anwendung des Benjamini-Hochberg Verfahrens
| Test | p-Wert | Rang i | Schwellenwert (i/5)*0,05 | Signifikant (p ≤ Schwellenwert) |
|---|---|---|---|---|
| Test 1 | 0.003 | 1 | 0.01 | Ja |
| Test 2 | 0.012 | 2 | 0.02 | Ja |
| Test 3 | 0.025 | 3 | 0.03 | Ja |
| Test 4 | 0.04 | 4 | 0.04 | Ja |
| Test 5 | 0.06 | 5 | 0.05 | Nein |
Vorteile und Nachteile des Benjamini-Hochberg Verfahrens
| Vorteile | Nachteile |
|---|---|
| Kontrolle der FDR statt FWER erhöht Teststärke | Keine Kontrolle der FWER, daher Risiko für Fehler in einzelnen Tests |
| Einfach zu implementieren und interpretieren | Annahme unabhängiger oder positiv abhängiger Tests nötig |
| Weit verbreitet in Genomik und anderen Feldern | Kann bei stark abhängigen Tests ungenau sein |
Anwendungsgebiete
Das Benjamini-Hochberg Verfahren wird vor allem in Bereichen mit vielen simultanen Tests eingesetzt, z.B. in der Genomforschung, Neuroinformatik, Psychologie und anderen empirischen Wissenschaften, wo viele Hypothesen gleichzeitig geprüft werden.
Wichtig zu wissen
Das Benjamini-Hochberg Verfahren ist kein Ersatz für sorgfältige Studiendesigns, sondern ein Werkzeug zur Fehlerkontrolle bei multiplen Tests. Die Wahl des FDR-Niveaus sollte kontextabhängig erfolgen.
Zusatzinformationen
Begriff: Benjamini-Hochberg Verfahren
Ziel: Kontrolle der Falschentdeckungsrate (FDR)
Anwendungsbereich: Multiple Hypothesentests in Statistik und Datenanalyse
Entwickler: Yoav Benjamini und Yosef Hochberg
Veröffentlichungsjahr: 1995
Grundprinzip: Sortierung der p-Werte und Vergleich mit Schwellenwerten
Vorteile: Mehr Teststärke, weniger konservativ als Bonferroni
Nachteile: Kontrolliert FDR, nicht die Family-Wise Error Rate (FWER)
Synonyme und alternative Bezeichnungen
Häufige Fragen zu Benjamini Hochberg Verfahren
Was ist die Falschentdeckungsrate (FDR)?
Die Falschentdeckungsrate ist der erwartete Anteil falsch-positiver Ergebnisse unter allen als signifikant befundenen Tests.
Wie unterscheidet sich das Benjamini-Hochberg Verfahren von der Bonferroni-Korrektur?
Die Bonferroni-Korrektur kontrolliert die Family-Wise Error Rate streng, was oft zu einer hohen Fehlerrate 2. Art führt. Das Benjamini-Hochberg Verfahren kontrolliert die FDR und ist dadurch weniger konservativ und leistungsfähiger.
Wann sollte man das Benjamini-Hochberg Verfahren anwenden?
Bei multiplen Hypothesentests, insbesondere wenn viele Tests gleichzeitig durchgeführt werden und eine Balance zwischen Entdeckungen und Fehlerkontrolle gewünscht ist.
Welche Voraussetzungen hat das Benjamini-Hochberg Verfahren?
Es setzt voraus, dass die Tests unabhängig oder positiv abhängig sind, um die FDR-Kontrolle zuverlässig zu gewährleisten.
Kann das Verfahren bei abhängigen Tests angewendet werden?
Bei stark abhängigen Tests kann die Kontrolle der FDR ungenau sein. Es gibt jedoch Erweiterungen des Verfahrens für solche Fälle.
Wie wählt man das FDR-Niveau Q aus?
Das FDR-Niveau wird je nach Forschungsfrage und Kontext gewählt, häufig werden Werte wie 0,05 oder 0,1 verwendet.
Gibt es Software zur Anwendung des Benjamini-Hochberg Verfahrens?
Ja, viele Statistikprogramme wie R, Python (statsmodels), SPSS und andere bieten Funktionen zur Anwendung des Verfahrens.
Quellen & weiterführende Informationen
Quellenvorschläge und Nachweise zum Artikel. Bitte externe Inhalte eigenständig prüfen.
- 01Controlling the False Discovery Rate: A Practical and Powerful Approach to Multiple Testing ↗
Originalpublikation des Benjamini-Hochberg Verfahrens
https://www.jstor.org/stable/2346101 - 02Multiple Testing and False Discovery Rate ↗
Erklärung und Anwendung des Verfahrens
https://www.stat.berkeley.edu/~mmahoney/stat210b/BenjaminiHochberg1995.pdf - 03False Discovery Rate Control in Multiple Testing ↗
Weiterführende Informationen zur FDR und Varianten
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2885710/