在我们的小组中，我们测量了大约 20 个感兴趣区域 (ROI) 的灰质体积和大麻使用频率。现在，我们想知道大麻的使用是否与任何测量的大脑区域的灰质体积有关。此外，我们想了解这些关联在我们样本的子组中是否不同。

对于 20 个 ROI 中的每一个，我们都进行了 ANCOVA，其中 ROI 作为因变量，大麻使用、组、性别、年龄和总灰质体积作为自变量。我们主要对大麻的影响感兴趣。模型中的其他自变量用作控制变量。为了研究大麻使用和 ROI 之间的群体特定关联，我们指定了大麻使用和群体之间的交互项。

在这样的分析中，您会使用什么样的多重比较调整？

我已经使用 Benjamini-Hochberg 程序调整了我的 p 值，但我担心它过于保守，因为 ROI 变量以及因此 ROIs 和大麻使用之间的关联不是独立的。我想在单个模型中分析这些关联会更合适，这样可以更好地考虑关联的非独立性。我正在考虑一个混合效应模型，其中允许大麻使用的回归系数在 ROI 之间随机变化。这种方法的一大优势是不仅可以调整回归系数的标准误差，还可以调整参数估计本身（由于收缩）。Andrew Gelman 在以下论文中提出了这种方法： http://pps.sagepub.com/content/4/3/310.short http://www.stat.columbia.edu/~gelman/research/unpublished/multiple2.pdf

你认为这在我的情况下可行吗？如何在 R 中指定这样的模型？