왜 우리는 (대개) 다중 비교에 대해 걱정할 필요가 없는가

응용 연구자들은 종종 다중 비교 조정이 필요해 보이는 상황에서 통계적 추론을 하게 된다. 우리는 이러한 수정의 기초에 있는 제1종 오류 패러다임에 도전한다. 또한 계층적 베이지안 관점에서 볼 때 다중 비교의 문제가 완전히 사라질 수 있다고 주장한다. 우리는 다중 비교가 발생하는 상황에서 다층 모델을 구축할 것을 제안한다. 다층 모델은 부분 풀링(추정치를 서로 가까이 맞추기)을 수행하는 반면, 고전적 절차는 간격의 중심을 고정시켜 두고, 간격을 넓힘으로써(혹은 고정 폭의 간격에 해당하는 p-값을 조정함으로써) 다중 비교를 조정한다. 따라서 다층 모델은 다중 비교 문제를 해결할 뿐만 아니라, 특히 그룹 레벨 변동성이 낮은 상황에서 더 효율적인 추정치를 산출한다. 이러한 상황이 바로 다중 비교가 특히 걱정되는 장소이다.