4.7 方差分析的多重比较

最后更新:2022/09/18

应用场景:

进行多组(组数≥3)计量资料的方差分析,组间差异有统计学意义时,想了解哪两个组之间的差异有统计学意义。

多重比较方法的选择

用于方差分析后的多重比较(multiple comparison)方法,目前国内教材中介绍较多的是以下三种方法

  • Fisher的最小显著性差异(least significant difference,LSD)法
  • Dunnett-t检验
  • Newman-Keuls (也称Student-Newman-Keuls,SNK)q检验

其中:

LSD方法可以用于多个组间差异的两两比较;Dunnett方法用于g-1个试验组与1个对照组的比较;SNK法用于多个组间差异的全面的两两比较。

一般认为,LSD方法“过于敏感”,在组数>3时控制I类错误的效果不好。因此国内外很多期刊,现在都要求使用SNK法(或Tukey法)法进行组间全面的两两比较,因为这个方法的结果相对保守。

Tukey法与SNK法类似(均基于Student\'s q统计量),但比SNK法更为保守,因此现在的流行观点是使用本方法全面检验各组间的差异。

在SPSS中的操作

4.4 完全随机设计的方差分析(单因素方差分析)中的数据为例:

首先确定方差分析的结果为$P\le \alpha$,即组间差异有统计学意义,然后可设置“事后检验”所需的方法:

image-20220918102129995

这里我们把LSD、SNK、Tukey及Dunnett方法(以group=1为参照)全部选定。

结果输出(SPSS 23 64位)

从multiple comparisons表中的结果可以看出,组2 vs 组3的P值,Tukey法远大于LSD方法,可见Tukey方法的保守性;

image-20220918102529156

另外,虽然SNK及Tukey法都基于Student\'s q统计量,但Tukey法可给出P值以及组间差值的95%可信区间,而SNK法(如下图)不能给出P值,在SPSS软件中,仅可通过“不同列中的均值所对应的组之间差异有统计学意义”这个规则去判断,即:

293.3683这个均值(组1),与239.495(组2的均值)、224.7817(组3的均值),未排布在1列中,故组1与组2的差异、组1与组3的差异,均有统计学意义;而239.495与224.7817在1列中,表示对应的两组(组2与组3)差异无统计学意义。

image-20220918102558884

© By StatX..