在进行公共卫生研究或临床试验时，我们常常需要同时检验多个假设。这种情况下，如果不采取适当的措施，总的I类错误率（即错误地拒绝一个真实的零假设的概率）会显著增加。为了有效控制总体I类错误率，可以采用以下几种方法：
1. Bonferroni校正：这是最常用的方法之一。其基本思想是将传统的显著性水平α分配给每个单独的检验，即将总的I类错误率平均分摊到所有进行的假设检验中。例如，如果计划执行20次独立的统计测试，并希望保持总体I类错误率为0.05，则每次测试的显著性水平应设为0.05/20=0.0025。
2. Holm-Bonferroni方法：这是一种逐步调整的方法，在控制家庭智慧误差率（FWE）的同时，比Bonferroni校正更具有统计功效。它首先对所有待检验的p值进行排序，然后从最小的开始逐一比较与经过调整后的阈值。
3. Benjamini-Hochberg程序：该方法旨在控制错误发现率（False Discovery Rate, FDR），而非FWE。当研究者关注的是在所有阳性结果中假阳性的比例时，这种方法更为适用。它通常比Bonferroni或Holm-Bonferroni方法具有更高的统计功效。
4. 其他多重比较调整技术：除了上述经典的方法外，还有其他一些先进的多重检验校正策略，如FDR控制下的逐步拒绝过程、基于置换的多重检验等，这些方法在特定情况下可能提供更好的性能。

选择哪种方法取决于研究的具体目标、数据的特点以及对I类错误和II类错误的不同容忍度。在实际应用中，建议根据研究设计和目的仔细考虑并选择最合适的多重比较控制策略。