多重比较
方差分析(ANOVA)技术测试一组均值(治疗效果)是否相等。拒绝原假设会得出结论:并非所有的群体均值都是相同的。然而,这一结果并没有提供进一步的信息,说明哪些组的均值不同。
执行一系列的t不建议使用-测试来确定哪些均值对有显著差异。当你执行多个t-tests,均值出现显著的概率,显著的差异结果可能是由于大量的测试。这些t-tests使用来自相同样本的数据,因此它们不是独立的。这一事实使得量化多个测试的显著性水平变得更加困难。
假设是单个t-test,零假设(H0)被拒绝时,它实际上是一个小的值,如0.05。再假设你进行了六个独立的运动t测试。如果每个检验的显著性水平为0.05,则检验正确地未能拒绝H0,当H0对每个情况都成立,是(0.95)6= 0.735。其中一个检验错误地拒绝原假设的概率为1 - 0.735 = 0.265,远高于0.05。
要补偿多个测试,可以使用多个比较过程。的multcompare
函数执行组均值或治疗效果的多次成对比较。选项是Tukey的诚实显著差异标准(默认选项),Bonferroni方法,Scheffe的程序,Fisher的最小显著差异(LSD)方法,以及Dunn & Sidák的方法t以及。该函数还支持Dunnett’s te金宝appst,即与对照组进行多次比较。
要执行组均值的多次比较,请提供结构统计数据
作为一个输入multcompare
.你可以获得统计数据
从以下函数之一:
有关重复测量的多个比较程序选项,请参见multcompare
(RepeatedMeasuresModel
).
使用单因素方差分析进行多重比较
加载样例数据。
负载carsmall