FDR与Bonferroni校正计算方法及结果异常问题咨询

非statsmodels依赖的FDR及p值校正实现途径 #

• 手动复现原生算法是最可控的独立实现方式，完全不需要依赖第三方封装接口：
  • 除fdr_bh（Benjamini-Hochberg）外，常用的独立FDR计算方法包括Storey q值法、Benjamini-Yekutieli（BY）法、局部FDR（Local FDR）法，所有算法的核心逻辑都可以通过基础数组运算复现：
    • Storey q值核心是先通过p值分布估计原假设为真的比例π0，再对排序后的p值做顺序调整，相比BH法对真原假设比例的估计更精准
    • BY法在BH法基础上加入检验间相关性修正项，调整系数为检验次数对应的调和级数和，适用于检验非独立的场景
    • 局部FDR基于经验贝叶斯框架计算单个检验属于原假设的后验概率，和传统FDR的全局控制逻辑有差异
  • 其余非FDR类校正方法（Bonferroni、Holm、Sidak、Hommel等）逻辑更简单，仅需要对p值排序后做顺序比较、上限截断即可，几十行基础代码就能完成独立实现。
• 轻量统计模块的内置实现也可以作为替代：不少聚焦细分领域的统计计算工具内置了非BH类的FDR计算函数，不需要安装完整的statsmodels环境，适合嵌入定制化分析流程。

不同校正方法输出调整p值完全一致的场景说明 #

• 你遇到的352次检验所有方法输出均匹配Bonferroni结果的现象是正常的，操作不存在错误，触发该现象的核心原因是：你输入的所有原始p值均高于Bonferroni校正后的显著性阈值0.05/352≈0.000142。
• 各类校正方法的计算逻辑存在共性：不管是FWER类校正（Bonferroni、Holm、Sidak等）还是FDR类校正（BH、BY等），对排序后最显著（数值最小）的p值做调整时，最严格的调整基准就是Bonferroni逻辑（p值×总检验次数）。当所有原始p值都大于Bonferroni阈值时，排序第一位的最小p值经Bonferroni调整后已经大于显著性水平0.05，其余方法对该p值的调整结果和Bonferroni完全一致；后续排序靠后的p值原始数值更大，调整后数值只会更高，最终所有方法的输出结果会完全重合。
• 验证方式非常简单：在你的p值列表中手动加入一个极小p值（比如1e-6）重新运行校正，不同方法的调整p值会立刻出现可观测的差异。

内容的提问来源于stack exchange，提问作者Mstaff