تصحيح المقارنات المتعدّدة

تخيّل دراسة تُجري فيها اختبار t واحدًا عند العتبة المعتادة alpha = 0.05. إذا كانت فرضية العدم صحيحة، فهناك احتمال 5% لظهور نتيجة موجبة كاذبة — نتيجة تبدو حقيقية لكنها مجرّد تشويش. هذا الاحتمال مقبول لاختبار واحد. لكنّ المشكلة تبدأ حين تُجري عدّة اختبارات في آنٍ واحد: مقارنة كل زوج من المجموعات، أو فحص عشرات الجينات، أو ربط متغيّر تابع واحد بعشرين متنبّئًا. كل اختبار يحمل مخاطرته الخاصة البالغة 5%، وهذه المخاطر تتراكم بسرعة.

يشرح هذا المقال لماذا تُضخّم الاختبارات المتعدّدة النتائج الموجبة الكاذبة، وما الذي قد ترغب في ضبطه بالضبط، والطرائق الثلاث التي ستستعملها عمليًا: Bonferroni وHolm وBenjamini-Hochberg (أي ضبط FDR). وفي النهاية ستعرف أيّها تختار وكيف تكتبه في تقريرك.

لماذا تُضخّم الاختبارات المتعدّدة الأخطاء الموجبة الكاذبة

افترض أنك أجريت 20 اختبارًا مستقلًّا، وأن كل فرضيات العدم صحيحة فعلًا. احتمال ألّا يُنتج اختبار واحد نتيجة موجبة كاذبة هو 0.95. واحتمال ألّا يُخطئ أيٌّ من الاختبارات العشرين هو 0.95^20 ≈ 0.36. إذًا احتمال الحصول على خطأ واحد على الأقل هو 1 − 0.36 ≈ 0.64 — أي ما يقارب فرصتين من ثلاث للحصول على نتيجة "دالّة" زائفة. وفي المتوسط، سيظهر 20 × 0.05 = 1 خطأ واحد بمحض الصدفة.

وإذا رفعت العدد إلى 100 اختبار، فتتوقّع خمس نتائج كاذبة، ويصبح ظهور واحدة على الأقل شبه مؤكّد. هذه هي مشكلة المقارنات المتعدّدة: كلما طرحت أسئلة أكثر على البيانات نفسها، زاد احتمال أن تخدعك العشوائية. التصحيح هنا ليس إجراءً بيروقراطيًا اختياريًا، بل هو الفرق بين نتيجة قابلة للتكرار وصدفة متنكّرة في زيّ اكتشاف.

معدّلان للخطأ: FWER مقابل FDR

قبل اختيار الطريقة، حدِّد ما الذي تريد ضبطه. هناك تعريفان مختلفان لعبارة "أخطاء موجبة كثيرة جدًا".

معدّل الخطأ على مستوى العائلة (FWER)

الـ FWER هو احتمال ارتكاب خطأ واحد على الأقل عبر مجموعة الاختبارات كلها. ضبطه عند 0.05 يعني: هناك احتمال 5% فقط أن يكون أيٌّ من رفضاتك خاطئًا. هذا الضبط صارم ومحافظ، ويناسب الحالات التي يكون فيها ادّعاء كاذب واحد مكلفًا — كالنقاط النهائية السريرية التأكيدية، أو الملفات التنظيمية المقدَّمة للجهات الرقابية، أو مجموعة صغيرة من الفرضيات المسجّلة مسبقًا.

معدّل الاكتشاف الكاذب (FDR)

الـ FDR هو النسبة المتوقّعة للنتائج الكاذبة من بين الاختبارات التي اعتبرتها دالّة وحدها. ضبطه عند 0.05 يعني: في المتوسط، لا تتجاوز نسبة "اكتشافاتك" الكاذبة 5%. أنت تتسامح مع بضعة أخطاء ما دامت غالبية نتائجك حقيقية. وهذا هو الإطار المناسب للعمل الاستكشافي والمسحي — كتحليل تعبير الجينات، أو فوكسلات التصوير الدماغي، أو فحص عدد كبير من المتنبّئات المرشّحة — حيث الهدف توليد قائمة مختصرة للمتابعة لا الرهان على كل نتيجة بمفردها.

والفكرة الجوهرية: الـ FWER يضبط عددًا (أيّ خطأ على الإطلاق)، بينما يضبط الـ FDR نسبة (حصّة الأخطاء من بين النتائج الدالّة). والـ FDR أكثر تسامحًا، ولهذا تحديدًا يحافظ على قدرة إحصائية أكبر بكثير حين يكبر عدد الاختبارات.

Bonferroni: بسيط ومحافظ

تصحيح Bonferroni هو الأسهل تطبيقًا: اقسم قيمة alpha على عدد الاختبارات m. مع 20 اختبارًا، تقارن كل قيمة p بالعتبة 0.05 / 20 = 0.0025 بدلًا من 0.05. وبالمكافئ، اضرب كل قيمة p في m للحصول على قيمة p معدّلة (بحدٍّ أقصى 1) ثم قارنها بالعتبة الأصلية 0.05.

يضبط Bonferroni الـ FWER، ويفعل ذلك أيًّا كانت بنية الاعتماد بين الاختبارات. أما عيبه فهو الصرامة الزائدة: إذ بإجبار كل اختبار على عبور العتبة الصغيرة نفسها، يضحّي بالقدرة الإحصائية، خصوصًا حين يكون m كبيرًا أو الاختبارات مترابطة. وستفشل غالبًا في كشف تأثيرات حقيقية كانت طريقة أفضل ستلتقطها. وعمليًا، لا يكاد يوجد سبب للاكتفاء بـ Bonferroni ما دام Holm متاحًا.

Holm: نفس الـ FWER، قدرة أكبر

يضبط إجراء Holm التنازلي (step-down) نفس الـ FWER الذي يضبطه Bonferroni، لكنه أقوى بصورة منتظمة — إذ يرفض عددًا من الفرضيات لا يقلّ عمّا يرفضه Bonferroni، وغالبًا أكثر. الخطوات:

1. رتّب قيم p الـ m من الأصغر إلى الأكبر.
2. قارن الأصغر بـ alpha / m، والتالية بـ alpha / (m − 1)، والتي تليها بـ alpha / (m − 2)، وهكذا.
3. توقّف عند أول قيمة p تفشل في المقارنة؛ ارفض كل الفرضيات قبلها، واحتفظ بها وبكل ما بعدها.

ولأنّ أصغر قيمة p وحدها تواجه عتبة Bonferroni الكاملة، بينما تحصل القيم اللاحقة على عتبات أسهل تدريجيًا، يسترجع Holm القدرة التي يهدرها Bonferroni — مجّانًا ودون أي فرضيات إضافية، وهو صالح أيًّا كانت بنية الاعتماد كحال Bonferroni. والقاعدة العملية بسيطة: كلما هممت باستخدام Bonferroni، استخدم Holm بدلًا منه.

Benjamini-Hochberg: ضبط الـ FDR

حين يكون لديك اختبارات كثيرة وتقوم بالفحص لا بالتأكيد، يكون Benjamini-Hochberg (BH) هو الأداة الأنسب. فهو يضبط الـ FDR ويحافظ على قدرة أكبر بكثير من أي طريقة تضبط الـ FWER. الإجراء:

1. رتّب قيم p الـ m تصاعديًا، وليكن الترتيب i من 1 إلى m.
2. أوجد أكبر i يتحقّق عنده الشرط p(i) ≤ (i / m) × alpha.
3. ارفض تلك الفرضية وكل الفرضيات ذات قيم p الأصغر.

تنمو العتبة مع الترتيب، لذا فإن BH أقلّ قسوة بكثير من Bonferroni أو Holm حين يكون كثير من اختباراتك غير عَدَمي فعلًا. والمقايضة أنك تقبل نسبة متوقّعة صغيرة من الاكتشافات الكاذبة بين نتائجك بدلًا من اليقين شبه التامّ بخلوّها من الأخطاء. وثمّة تنبيه مهم: يضبط BH الـ FDR ضبطًا مُبرهَنًا في حالة الاستقلال أو الاعتماد الموجب بين الاختبارات — وهي الحالة الشائعة في الفحص؛ أما تحت اعتماد اعتباطي فاستعمل صيغة Benjamini-Yekutieli الأكثر تحفّظًا.

مثال محلول

افترض أنك قارنت مجموعة معالَجة بمجموعة ضابطة على m = 5 مقاييس نتائج، وحصلت على قيم p الخام: 0.001 و0.013 و0.021 و0.038 و0.045.

• Bonferroni (العتبة 0.05/5 = 0.01): تنجو 0.001 فقط. اكتشاف واحد.
• Holm: 0.001 مقابل 0.01 ← رفض؛ 0.013 مقابل 0.05/4 = 0.0125 ← فشل، توقّف. اكتشاف واحد (هنا يطابق Bonferroni، لكن على بيانات حدّية كثيرًا ما يرفض Holm أكثر).
• BH (قارن p(i) بـ i/5 × 0.05): 0.001≤0.01 ✓، 0.013≤0.02 ✓، 0.021≤0.03 ✓، 0.038≤0.04 ✓، 0.045≤0.05 ✓ — أكبر ترتيب ناجح هو 5، فتُعدّ الخمسة جميعًا دالّة.

بيانات واحدة، وثلاث إجابات: اكتشاف واحد، ثم واحد، ثم خمسة. فالطريقة ليست هامشًا في التقرير — إنها تغيّر استنتاجاتك. ويمكنك تشغيل التصحيحات الثلاثة تلقائيًا في MindStat ومقارنة قيم p المعدّلة جنبًا إلى جنب.

أيّ طريقة تختار؟

كتابة التقرير

اذكر دائمًا التصحيح الذي طبّقته، وأبلغ عن قيم p المعدّلة (أو العتبة المعدّلة) لا الخام فحسب. اكتب مثلًا: "عُدِّلت قيم p للمقارنات المتعدّدة باستخدام إجراء Holm التنازلي"، أو "ضُبط الـ FDR عند 0.05 عبر Benjamini-Hochberg". هذا يمكّن القارئ من إعادة إنتاج قراراتك وتقدير مدى صرامة فحصك. وأثناء تنظيم تقريرك، اقرن قيم p المصحّحة بحجم الأثر — راجع كيف تكتب حجم الأثر بصيغة APA.

أبرز النقاط

• الاختبارات الكثيرة تُضخّم الأخطاء الموجبة الكاذبة: 20 اختبارًا عند 0.05 تتوقّع نحو نتيجة "دالّة" زائفة واحدة، باحتمال ~64% لظهور واحدة على الأقل.
• الـ FWER يضبط احتمال أيّ خطأ موجب كاذب؛ والـ FDR يضبط النسبة المتوقّعة للأخطاء بين النتائج المرفوضة.
• الـ Bonferroni (قسمة alpha على m) بسيط ومحافظ؛ والـ Holm يضبط نفس الـ FWER بقدرة أكبر تمامًا — فضّل Holm.
• الـ Benjamini-Hochberg يضبط الـ FDR (تحت الاستقلال أو الاعتماد الموجب) ويحافظ على قدرة أكبر بكثير في الاختبارات الاستكشافية الكثيرة.
• اختبارات تأكيدية قليلة ← Holm؛ اختبارات استكشافية كثيرة ← BH. وأبلغ عن قيم p المعدّلة واذكر اسم التصحيح.

اختيار الاختبار الصحيح من البداية لا يقلّ أهمية عن تصحيحه لاحقًا — راجع متى تستخدم ANOVA مقابل Kruskal-Wallis وفحص الاعتدالية بشكل صحيح.