Bonferroni校正未使用会怎样？6个后果

引言Introduction

在多组比较、事后检验和多重假设检验中，Bonferroni 校正未使用 最常见的后果，就是第一类错误被放大。你以为“P<0.05”就够了，但比较次数一多，假阳性会悄悄增加。对医学生、医生和科研人员来说，这会直接影响论文结论、统计解释和发表质量。

1. 为什么多重比较必须考虑校正

1.1 单次检验和多次检验不是一回事

单次假设检验通常以0.05作为显著性水平。但当你做3次、6次，甚至更多次比较时，整体误报概率会升高。知识库中的例子很明确，多组间比较需要对显著性水平进行 Bonferroni 校正 ，做法是用现有显著性水平除以比较次数。

例如，4个组之间两两比较共有6次，校正后阈值变为0.05/6=0.0083。3次比较则是0.05/3=0.0167。如果不做 Bonferroni 校正，原本“看起来显著”的结果，可能只是随机波动。

1.2 在SPSS常规检验里尤其常见

在单因素多元方差分析、双因素多元方差分析，以及事后比较中，都可能出现多次检验。知识库中已经明确提到，在班号、组别等变量的两两比较里，需要使用 Bonferroni 校正来控制Ⅰ类错误。
如果模型主效应不显著，通常不必继续做两两比较；如果主效应显著，再进入事后比较时，校正就更重要。

2. Bonferroni校正未使用的6个后果

2.1 假阳性显著增多

最直接的后果是，把“偶然差异”误判为“真实差异”。当比较次数增加，至少出现一次假阳性的概率会上升。
这会让你得到一个统计学上显著、但实际上不可靠的结论。

2.2 论文结论可能被推翻

如果你的研究依赖多组比较，而没有校正，审稿人或同行复核后，可能会质疑结果稳健性。尤其是临床研究、药效比较、组间差异分析，结论一旦建立在未校正的P值上，可信度会下降。

2.3 组间差异被夸大

未校正时，某些组间差异会被过度强调。比如在多个班级、多个治疗组、多个时间点比较中，偶然出现的P<0.05会被误读为“处理有效”或“组间不同”。
这会导致对效应大小和临床意义的判断失真。

2.4 统计解释不一致

知识库中的双因素多元方差分析示例提示，若主体间效应不显著，通常不应进行后续事后比较。若贸然比较，还不做 Bonferroni 校正，结果就可能与整体模型结论不一致。
这类不一致会让读者无法判断：到底是整体效应成立，还是某些比较只是偶然显著。

2.5 增加Ⅰ类错误，降低研究可信度

多重比较的本质问题，就是Ⅰ类错误累积。Bonferroni 校正未使用，本质上就是放任错误率上升。
对科研而言，这不仅是统计技术问题，也是可信度问题。对临床研究而言，错误的阳性结果甚至可能影响后续决策。

2.6 后续验证成本上升

如果早期分析没有校正，后面常常需要重新整理数据、重跑模型、补充说明，甚至重写结果部分。
这会消耗额外时间，还可能影响投稿进度。对课题周期紧张的研究者来说，这是实实在在的成本。

3. 哪些场景最容易出问题

3.1 多组间两两比较

例如4组比较有6次，两两比较越多，风险越高。知识库中已明确给出，4个班号之间比较6次时，应使用0.05/6=0.0083作为阈值。
如果没有 Bonferroni 校正，最容易出现“某一对组别偶然显著”的情况。

3.2 双因素多元方差分析后的事后检验

在年级、班号等因素分析中，若某一因子显示差异，再进行事后比较时，必须控制多重检验带来的错误累积。
这类分析特别容易在多个维度上同时检验，未校正时风险更高。

3.3 非参数检验后的多组比较

在Kruskal-Wallis检验后，如果继续做组间两两比较，也需要控制多重比较问题。
当比较次数增加时，Bonferroni校正是最基础、最常用的控制方法之一。

4. 如何判断你是否需要Bonferroni校正

4.1 先看比较次数

只要不是单次检验，而是多次比较，就要考虑校正。
常见情形包括：

• 多组间两两比较。
• 多时间点比较。
• 多结局指标同时检验。
• 多个亚组同时分析。

4.2 再看是否进入事后比较

如果方差分析显示总体效应存在，再做事后比较时，通常就应考虑 Bonferroni 校正。
知识库中的操作步骤也提示了这一点：在SPSS里进行事后比较时，可勾选邦弗伦尼方法。

4.3 评估错误代价

如果结果会影响临床解释、论文结论或后续实验设计，校正就更不能省略。
越是重要的结论，越需要更稳健的统计控制。

5. 什么时候可以不使用Bonferroni校正

5.1 单次检验

如果你只做一次主假设检验，没有并行的多次比较，通常不需要 Bonferroni 校正。
例如单一结局、单一组间对比、单一时间点分析。

5.2 总体效应不显著

知识库里多处示例都强调，如果总体检验结果不显著，通常不需要继续做组间两两比较。
这时硬做事后比较，本身就容易引入额外误差。

5.3 已有预先设定的主要比较

如果研究设计阶段已明确只看少数几个预设比较，且比较数量很少，研究者可以根据设计目的选择合适的控制策略。
但前提是：规则必须事先写清楚，而不是结果出来后再决定。

6. 在SPSS里怎么做得更规范

6.1 方差分析后看事后比较设置

在单因素多元方差分析或双因素多元方差分析中，若需要进行组间比较，可在事后比较步骤中选择 Bonferroni。
知识库给出的流程很明确：先把因变量和固定因子放入模型，再进入事后比较，最后在选项中完成设置。

6.2 把阈值写进结果解释

不要只写“P<0.05”。
在多重比较场景中，最好写清楚校正后阈值。例如：6次比较时，采用 Bonferroni 校正，显著性水平设为0.0083。这样结论更可复核，也更符合规范写作。

6.3 结果表格要对应校正方法

发表文章时，描述统计和组间比较结果最好分开呈现。
如果用了校正，表格里应说明方法，避免读者误以为你仍使用原始0.05阈值。
这对审稿和同行复核都很关键。

总结Conclusion

Bonferroni 校正未使用，最核心的问题就是多重比较下的假阳性风险升高。 结果会影响显著性判断、论文可信度、组间解释和后续验证成本。对医学生、医生和科研人员来说，凡是涉及多次检验、事后比较和多组比较，都应优先检查是否需要校正。
如果你希望把SPSS常规检验、方差分析、非参数检验和多重比较写得更规范，可以使用解螺旋的科研技能课程与实操教程，帮助你快速找到适用方法，减少统计错误。