【Bonferroni校正的简介】在统计学中，进行多重假设检验时，随着检验次数的增加，出现假阳性结果（即错误地拒绝原假设）的概率也会随之上升。为了解决这一问题，研究人员引入了多种校正方法，其中Bonferroni校正是最常见、最简单的一种。
Bonferroni校正是一种保守的多重比较校正方法，其核心思想是通过调整显著性水平来控制整体的家庭误差率（Family-Wise Error Rate, FWER），即在所有假设检验中至少出现一次假阳性的概率不超过某个预设的阈值（通常为0.05）。该方法由意大利数学家Carlo Emilio Bonferroni提出，因此得名。
总结
Bonferroni校正通过将原始显著性水平α除以进行的检验次数m，得到新的显著性水平α' = α/m，从而降低单次检验的显著性标准。这种方法能够有效控制整体的假阳性率，但同时也可能增加假阴性（即未能发现真实差异）的风险，尤其是在检验次数较多时。
尽管Bonferroni校正较为保守，但它因其计算简单、逻辑清晰而被广泛应用于生物医学、社会科学和实验研究等领域。然而，在实际应用中，研究者也常结合其他更灵活的校正方法，如Holm-Bonferroni方法或Benjamini-Hochberg方法，以平衡假阳性与假阴性的风险。
Bonferroni校正对比表
| 项目 | 内容 |
| 方法名称 | Bonferroni校正 |
| 提出者 | Carlo Emilio Bonferroni |
| 核心思想 | 调整显著性水平以控制家庭误差率 |
| 公式 | α' = α / m，其中m为检验次数 |
| 优点 | 简单易懂，控制假阳性能力强 |
| 缺点 | 过于保守，可能增加假阴性 |
| 适用场景 | 多重假设检验，尤其是对假阳性敏感的研究 |
| 常见应用领域 | 生物医学、社会科学、实验研究等 |
通过合理使用Bonferroni校正，研究者可以在一定程度上提高统计推断的可靠性，同时避免因多次检验导致的误判问题。在实际研究中，应根据具体需求选择合适的校正方法，以达到最佳的统计效果。
