多重检验是目前高维统计推断的领域中研究的热点之一,并在临床医学、基因检测、教育学等多领域中均有广泛的应用。同时对多个假设进行检验是多重检验的实质,它常常被用来对来自大量总体的某个参数或多个参数的水平进行比较。当多重检验中的一个假设被拒绝,我们通常希望对该参数构造置信区间,从而确定该假设对应真值的取值范围。我们将多重检验中被拒绝的假设对应的参数称为选择后参数,为选择后参数构造能控制FCR的置信区间也成了统计学家们新的研究方向。Benjamini和Yekutieli（2005）提出的BY方法可以针对FCR的控制构造选择后多重置信区间。Weinstein,Fithian和Benjamini（2013）提出的SRT方法可以针对选择后参数的符号判断构造选择后置信区间。BY方法能有效地构造选择后多重置信区间。基于BY方法,置信区间可以对FCR进行有效地控制,但是它的长度过大,这会导致区间构造方法过于保守。SRT方法是一个有效的选择后置信区间构造方法。这种方法的应用场景更偏向判断拒绝原假设的参数的符号,并且在原文中并未对SRT区间的性质进行讨论。本文详细地讨论了SRT方法构造的置信区间的优缺点,发现相对于BY置信区间而言,它的区间长度更短,但是当参数真值与原假设下的值差别较小时,SRT方法构造的置信区间会更倾向于与检验的结果不相容。本文在第三章首先利用选择后参数置信区间的性质给出了相容性比例和相容性期望的定义,并以此作为区间构造方法的评价方法。其次本文介绍了SRT方法的接受域与置信区间的构造方法、分析了SRT方法置信区间的特点、并将其与BY方法进行讨论,详细比较了两者的优缺点。接着,本文分别给出备择假设为真的参数服从正态分布与混合高斯分布的情形下SRT置信区间的相容性期望计算公式,这更适用于选择后参数的置信区间评估,丰富了对选择后参数的理论研究。最后,本文总结以上两点,给出了水平为（?）的r-CI方法的选择后置信区间构造方法,并从理论分析与模拟研究两个角度对其进行讨论。该方法可确保选择后置信区间的相容性始终大于（?）。此外,该方法还结合了BY方法能有效控制FCR的优点以及SRT方法的区间长度更短的优点。为了测试r-CI置信区间方法的有效性,本文在第四章设置了以FCR、相容性比例、区间平均长度作为评估指标的2组共8个实验。第一组实验改变了原假设与备择假设的差异、备择假设为真的参数比例和总检验个数,发现当（?）的取值越大,r-CI方法更倾向于选择BY方法,同时FCR控制效果更好,区间更长。第二组实验中通过改变总体均值、随机变量间相关性、备择假设为真的参数总体分布来比较r-CI方法、BY方法与SRT方法的有效性。此时利用模拟实验发现了r-CI方法的适用条件为参数间彼此相互独立或相关系数接近0。在该适用条件下,r-CI方法保证了相容性比例高于水平（?）,并且它同时具备了BY方法能有效控制FCR的优点以及SRT方法的区间长度更短的优点。最后,本文将r-CI方法应用于2015年美国加利福尼亚州AYP数据中,通过对每所学校家境良好与家境贫困的学生的阅读考试通过率是否存在显著差异作多重检验,在不同的显著性水平下,利用水平（?）=0.7的r-CI方法构造选择后参数置信区间,估计成绩有显著差异的学校的通过率之差,并在文章的最后给出指导性建议。