multcompare
多重比较检验
语法
描述
例子
多组比较的意思
加载carsmall
数据集。
负载carsmall
数据包含英里每加仑(英里/加仑
)测量不同品牌和型号的汽车,分组由原产国(起源
)和其他车辆的特征。
执行单向方差分析(方差分析),看看MPG的汽车是不同的值根据原产国。
[p t统计]= anova1 (MPG,起源);
小p值(值的列概率F >
)表明,组差异显著。然而,方差分析结果并不表明哪些组有不同的意思。您可以执行两两比较使用多重比较的测试来确定组织明显不同的意思。
执行多重比较测试组的意思。
[c m h, gnames] = multcompare(统计);
multcompare
显示了区间估计与比较。您可以单击图的比较其均值的其他国家。
显示的平均估计,标准错误,和表中相应的组名。
台= array2table (m,“RowNames”gnames,…“VariableNames”,(“的意思是”,“标准错误”])
台=6×2表意思是美国标准错误……* * *法国德国日本21.133 - 0.88141 31.8 - 1.8206 28.444 - 2.3504 23.667 7.0513 4.0711 22.5 - 4.986瑞典意大利28
多个对对照组比较
执行多重比较检验与对照组使用Dunnett的测试,并比较结果的两两比较结果图基是诚实的显著差异的过程。
加载carsmall
数据集。
负载carsmall
数据包含英里每加仑(英里/加仑
)测量不同品牌和型号的汽车,分组由原产国(起源
)和其他车辆的特征。
执行一个单向方差分析比较汽车的里程组定义的原籍国。
[~,~,统计]= anova1 (MPG,起源,“关闭”);
显示组的名称。
stats.gnames
ans =6 x1细胞{'美国'}{‘日本’}{“德国”}{“法国”}{“瑞典”}{“意大利”}
根据多重比较结果中所有不同的组的多组比较的意思例子中,美国和日本有显著不同的意思。示例使用默认的测试,图基是诚实的显著差异的过程。
比较组意味着对对照组使用Dunnett的测试。
指定CriticalValueType为“dunnett”
执行Dunnett的测试。multcompare
选择第一组(美国)默认为对照组。你可以选择一个不同的对照组使用ControlGroup名称-值参数。
[结果,~,~,gnames] = multcompare(统计,“CriticalValueType”,“dunnett”);
在图中,蓝色的圆圈表示的意思是对照组。红圈和酒吧代表团体的手段和置信区间明显不同意味着从对照组的意思。注意红酒吧不越过垂直虚线代表的意思是对照组。组没有显著不同的方式出现在灰色的。
Dunnett两组的测试标识,日本和德国,都意味着明显不同于美国的均值(对照组)。注意,默认的过程(图基的诚实的显著差异过程)不确定德国多组比较的意思的例子。结果的差异与不同级别的守恒性的两个对比测试。Dunnett比默认程序的测试不太保守,因为测试只考虑与对照组比较。默认的程序执行对所有不同的组的两两比较。
显示多重比较结果和表中相应的组名。
台= array2table(结果,“VariableNames”,…(“集团”,“对照组”,“下限”,“差异”,“上限”,“假定值”]);资源描述。“集团”)= gnames(资源描述。“集团”));资源描述。“对照组”)= gnames(资源描述。“对照组”))
台=5×6表组对照组上限下限差异假定值___________ _________________ ___________ __________ ___________ _____{‘日本’}{‘美国’}5.3649 10.667 15.969 4.727 e-06{“德国”}{‘美国’}0.73151 7.3116 13.892 0.022346{“法国”}{‘美国’}-8.3848 2.5339 13.453 0.97912{“瑞典”}{‘美国’}-11.905 1.3672 14.64 0.99953{“意大利”}{‘美国’}-11.76 6.8672 25.495 0.86579
多个比较双向方差分析
加载示例数据。
负载爆米花爆米花
爆米花=6×35.5000 4.5000 3.5000 5.5000 4.5000 4.0000 6.0000 4.0000 3.0000 6.5000 5.0000 4.0000 7.0000 5.5000 5.0000 7.0000 5.0000 4.5000
爆米花的数据来自一项研究品牌和波普尔类型(何克1987)。矩阵的列爆米花
品牌(美食、国家和通用)。行波普尔类型油和空气。前三行对应于石油波普尔,最后三行对应于空气波普尔。在这项研究中,研究人员出现一批每个品牌每个波普尔的三倍。收益率的值是杯爆米花。
执行一个双向方差分析。还计算统计数据,您需要执行一个多重比较测试的主要影响。
[~,~,统计]= anova2(爆米花,3,“关闭”)
统计=结构体字段:来源:‘anova2 sigmasq: 0.1389 colmeans: [6.2500 - 4.7500 4] coln: 6 rowmeans:[4.5000 - 5.5000]地区:9国米:1 pval: 0.7462 df: 12
的统计数据
结构包括
均方误差(
sigmasq
)平均收益率的估计为每一个爆米花品牌(
colmeans
)观察每个爆米花品牌的数量(
coln
)平均收益率的估计为每个波普尔类型(
rowmeans
)观察的数量为每个波普尔类型(
地区
)交互的数量(
国际米兰
)的p值显示交互项显著性水平(
pval
)错误的自由度(
df
)。
执行多重比较测试,看看爆米花的爆米花收益率之间对不同品牌(列)。
c1 = multcompare(统计);
注意:您的模型包括一个交互项。测试主要影响很难解释当模型包括交互。
图中显示多个比较的意思。默认情况下,组1的意思是比较间隔在蓝色突出显示。因为其他两组的比较间隔不相交的间隔组1的意思是,他们是用红色突出显示。缺乏交叉表明意思都不同组1的意思。选择其他组意味着确认所有组意味着明显不同。
表中显示多重比较结果。
tbl1 = array2table (c1,“VariableNames”,…(“组”,“B组”,“下限”,“a - b”,“上限”,“假定值”])
tbl1 =3×6表A组B组A - B上限下限假定值_________………………_____ 1 2 0.92597 1.5 2.074 4.1188 e-05 1 3 e-07 2 3 0.17597 0.75 1.324 6.1588 1.676 2.25 2.824 0.011591
的前两列c1
显示组比较。第四列显示了估计组意味着之间的区别。第三和第五列显示95%置信区间的上下极限的真正意思不同。第六列是p价值的假设检验相应的平均差等于零。所有p值非常小,这表明爆米花收益率在所有三个不同的品牌。
执行多重比较检验的爆米花屈服两种波普尔(行)之间的不同。
c2 = multcompare(统计,“估计”,“行”);
注意:您的模型包括一个交互项。测试主要影响很难解释当模型包括交互。
tbl2 = array2table (c2,“VariableNames”,…(“组”,“B组”,“下限”,“a - b”,“上限”,“假定值”])
tbl2 =1×6表A组B组A - B上限下限假定值_________……___ ___________ _____ 1 2 1 -0.61722 0.00010037 -1.3828
小p值表明,爆米花收益率两波普尔之间的不同类型(空气和油)。该图显示了相同的结果。间隔不相交的比较表明,该集团意味着明显不同。
多为三方方差分析比较
加载示例数据。
y = (52.7 57.5 45.9 44.5 53.0 57.0 45.9 44.0) ';g1 = [1 2 1 2 1 2 1 2];g2 = [“嗨”“嗨”“罗”“罗”“嗨”“嗨”“罗”“罗”];g3 = [“可能”“可能”“可能”“可能”“6月”“6月”“6月”“6月”];
y
响应向量和吗g1
,g2
,g3
是分组变量(因素)。每个因素都有两个层次,每一个观察y
确定因素的组合的水平。例如,观察y (1)
与1级相关联的因素呢g1
、水平嗨
的因素g2
,和水平可能
的因素g3
。同样,观察y (6)
与2级相关联的因素呢g1
、水平嗨
的因素g2
,和水平6月
的因素g3
。
测试如果响应是相同的所有因素的水平。也计算多重比较测试所需的数据。
[~,~,统计]= anovan (y, {g1 g2 g3},“模型”,“互动”,…“Varnames”,(“g1”,“两国集团”,“g3”]);
的p价值0.2578表明,平均反应水平可能
和6月
的因素g3
没有显著的不同。的p价值0.0347表明,平均反应水平1
和2
的因素g1
是明显不同的。类似地,p价值0.0048表明,平均反应水平嗨
和罗
的因素g2
是明显不同的。
执行多重比较测试,找出哪些因素组g1
和g2
是明显不同的。
[结果,~,~,gnames] = multcompare(统计,“维度”[1,2]);
您可以测试其他组通过点击相应的比较组间隔。酒吧你点击变成蓝色。组明显不同的酒吧是红色的。组不显著不同的酒吧是灰色的。举个例子,如果你点击比较区间的结合水平1
的g1
和水平罗
的g2
组合,比较间隔的水平2
的g1
和水平罗
的g2
重叠,因此灰色。相反,另一种比较间隔是红色的,表示差异显著。
显示多重比较结果和表中相应的组名。
台= array2table(结果,“VariableNames”,…(“组”,“B组”,“下限”,“a - b”,“上限”,“假定值”]);资源描述。“组”)= gnames(资源描述。“组”));资源描述。“B组”)= gnames(资源描述。“B组”))
台=6×6表A组B组A - B上限下限是_____________ ___________ _____ ___________ ___________假定值* * *{的g1 = 1, g2 =你好'}{的g1 = 2, g2 =你好'}-6.8604 -4.4 -1.9396 0.027249{的g1 = 1, g2 =你好'}{“g1 = 1, g2 = lo”} 4.4896 6.95 9.4104 0.016983{的g1 = 1, g2 =你好'}{“g1 = 2, g2 = lo”} 6.1396 8.6 11.06 0.013586{的g1 = 2, g2 =你好'}{“g1 = 1, g2 = lo”} 8.8896 11.35 13.81 0.010114{的g1 = 2, g2 =你好'}{“g1 = 2, g2 = lo”} 10.54 13 15.46 - 0.0087375 {“g1 = 1, g2 = lo”} {“g1 = 2, g2 = lo”} -0.8104 1.65 4.1104 0.07375
的multcompare
函数比较组的组合(水平)的两个分组变量,g1
和g2
。例如,矩阵的第一行显示的结合水平1
的g1
和水平嗨
的g2
有相同的平均响应值的组合水平2
的g1
和水平嗨
的g2
。的p值对应于这个测试0.0272
,这表明平均反应明显不同。您还可以在图中看到这个结果。蓝色栏显示了平均响应比较间隔组合的水平1
的g1
和水平嗨
的g2
。红条是比较间隔平均响应的另一组的组合。没有一个红条重叠蓝色酒吧,这意味着平均响应组合的水平1
的g1
和水平嗨
的g2
明显不同于其他组的平均响应的组合。
输入参数
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
例子:α= 0.01,CriticalValueType = " bonferroni ",显示=“关闭”
计算Bonferroni临界值,在1%的显著性水平,进行假设测试,省略了交互显示。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
例子:“阿尔法”,0.01,“CriticalValueType”、“bonferroni”,“显示”,“关闭”
α
- - - - - -显著性水平
0.05
(默认)|标量值的范围(0,1)
近似
- - - - - -国旗来计算临界值Dunnett测试使用的近似方法
真正的
或1
|假
或0
国旗来计算临界值Dunnett测试使用一个近似方法,指定为逻辑1
(真正的
)或0
(假
)。
的multcompare
函数发现一个临界值Dunnett测试通过整合多元t分布。多路(的计算可能会很慢n收费方法)方差分析n很大。加快计算,您可以使用一个近似方法([5])通过指定近似
作为真正的
。包括随机性的近似方法。如果你想复制的结果,设置随机种子通过使用rng
函数之前调用multcompare
。
默认值是真正的
如果源的统计数据
是anovan
。否则,默认值是假
。
这个论点是有效的只有当CriticalValueType
是“dunnett”
。
例子:“近似”,真的
数据类型:逻辑
ControlGroup
- - - - - -对照组为Dunnett指数测试
1
(默认)|正整数的值
对照组为Dunnett指数测试,指定为一个正整数的值。
指定一个组相比的multcompare
函数作为对照组。假设您指定ControlGroup
作为idx
。这个表显示对照组值,这取决于的来源统计数据
。
的来源统计数据 |
对照组 |
---|---|
anova1 |
|
anova2 |
|
anovan |
如果您指定 |
aoctool |
|
弗里德曼 |
|
kruskalwallis |
|
这个论点是有效的只有当CriticalValueType
是“dunnett”
。
例子:“ControlGroup”, 3
数据类型:单
|双
CriticalValueType
- - - - - -类型的临界值
“tukey-kramer”
(默认)|“迷幻药”
|“dunnett”
|“dunn-sidak”
|“bonferroni”
|“矫正”
类型的关键值对多重比较检验,使用指定为以下之一。
价值 | 描述 |
---|---|
“迷幻药” |
费舍尔最显著差异的过程 |
“dunnett” |
Dunnett的测试 |
“tukey-kramer” 或“hsd” (默认) |
图基是诚实的显著差异的过程 |
“dunn-sidak” |
Dunn & Sidak的方法 |
“bonferroni” |
Bonferroni方法 |
“矫正” |
矫正的过程 |
表列出了关键值类型的守恒性,从最小到最保守的。每个测试提供不同级别的保护多重比较的问题。
“迷幻药”
不提供任何保护。“dunnett”
提供保护对对照组比较。“tukey-kramer”
,“dunn-sidak”
,“bonferroni”
提供保护的两两比较。“矫正”
提供保护成对比较和对比的估计的线性组合。
有关更多信息,请参见多重比较过程。
例子:“CriticalValueType”、“bonferroni”
数据类型:字符串
|字符
显示
- - - - - -显示开关
“上”
(默认)|“关闭”
显示开关,指定为“上”
或“关闭”
。如果您指定“上”
,然后multcompare
显示一个图表的区间估计和比较。如果您指定“关闭”
,然后multcompare
省略了图。
例子:“显示”,“关闭”
数据类型:字符串
|字符
维
- - - - - -尺寸的计算边际的含义
1
(默认)|正整数的值|向量的正整数的值
维度或维度的人口来计算边际意味着,指定为一个正整数的值,或一个向量的值。如果您指定CriticalValueType
作为“dunnett”
,那么你只能指定一个维度。
这个论点是有效的只有当你创建输入结构统计数据
使用函数anovan
。
例如,如果您指定维
作为1
,然后multcompare
比较的方法对于每个第一分组变量的值,调整通过删除其他分组变量的影响如果设计是平衡的。如果您指定维
作为(1、3)
,然后multcompare
计算每个组合的边际意味着人口的第一和第三个分组变量,删除第二个分组变量的影响。如果你符合一个单一的模式,一些细胞意味着可能不是可尊敬的和任何边际意味着依赖于这些细胞意味着人口将有价值南
。
人口边际意味着被肯和约翰逊(1992)塞尔,速度和力肯(1980)。人口边际意味着背后的想法是消除不平衡设计的任何影响修复所指定的值的因素维
,平均结合其他因素的影响,如果每个因素发生的次数相同。边际意味着人口的定义不依赖于观测的数量在每个因素的组合。设计实验,观察每个因素的数量没有意义,结合人口边际意味着可以更容易解释比简单的意味着忽略其他因素。调查和其他研究,观察每个组合的数量确实有意义,人口边际意味着可能难以解释。
例子:“维度”,[1,3]
数据类型:单
|双
估计
- - - - - -估计比较
“列”
(默认)|“行”
|“坡”
|“拦截”
|“pmm”
估计相比,指定为一个容许值。的许用值估计
依赖于函数用于生成输入结构统计数据
,根据下表。
函数 | 值 |
---|---|
anova1 |
一个也没有。 |
anova2 |
要么 |
anovan |
一个也没有。 |
aoctool |
|
弗里德曼 |
一个也没有。 |
kruskalwallis |
一个也没有。 |
例子:“估计”、“行”
数据类型:字符串
|字符
输出参数
c
-矩阵的多重比较结果
矩阵的标量值
矩阵的多重比较的结果,作为一个返回p6矩阵的标量值,p是对群体的数量。矩阵的每一行包含一个成对比较测试的结果。列1和2包含指数的两个样本进行比较。第三列包含了较低的置信区间,列4包含估计和列5包含上面的置信区间。列6包含p价值的假设检验相应的平均差不等于0。
例如,假设一行包含以下条目。
2.0000 5.0000 1.9442 8.2206 14.4971 0.0432
这些数字表明,组的均值2 - 5组的均值估计为8.2206,95%置信区间的真正差别的意思是[1.9442,14.4971]。的p值对应的假设检验,组2和5的差别是明显不同于零是0.0432。
在这个例子中置信区间不包含0,所以差别在5%的显著性水平具有重要意义。如果该置信区间不包含0,差别不是很明显。的p值的0.0432还表明,组2和5的区别是明显不同于0。
米
-矩阵的估计
矩阵的标量值
矩阵的估计,返回标量值的矩阵。第一列的米
包含的估计价值的手段(或其他统计数据相比)为每个组,第二列包含他们的标准错误。
h
——处理图
处理
处理包含交互图的图,作为一个句柄返回。这个图表的标题包含指令交互图,和x设在标签包含这意味着信息明显不同于所选的意思。如果你打算使用此图表示,您可能希望忽略标题和x设在标签。你可以删除它们使用交互式特性图的窗口,或者你可以使用下面的命令。
标题(”“)包含(”“)
gnames
——组名称
单元阵列的特征向量
组名称作为特征向量的单元阵列返回。每一行的gnames
包含一组的名称。
更多关于
多重比较测试
方差分析比较几组的方式来测试假设它们都是平等的,对一般的另类,他们并非都是平等的。有时这种替代可能太一般。你需要这双意味着信息明显不同,并不是。一个多重比较检验可以提供这些信息。
当您执行一个简单的t以及一组意味着对另一个,你指定一个决定的截断值显著性水平t统计。例如,您可以指定值α
=0.05
确保在没有真正的区别,你会错误地找到一个显著差异不超过5%的时间。当有很多组,也有许多成对比较。如果你一个普通的应用t以及在这种情况下,α
值将适用于每个比较,所以错误的机会找到一个显著差异将增加的数量比较。多重比较程序旨在提供一个上限的概率任何比较会错误地发现意义重大。
零和替代假说
的multcompare
函数检查不同的零假设(H0)和替代假说(H1)根据指定的临界值的类型CriticalValueType
名称-值参数。
Dunnett测试(
CriticalValueType
是“dunnett”
)执行多个比较对照组。因此,零和替代假说对对照组比较在哪里米我和米0是预估组我分别和对照组。功能检查H0和H1多次为所有无控组。
其他测试,
multcompare
执行多个不同的组的两两比较。零和替代假说之间的两两比较我和j是
引用
业务[1],Y。,一个。C. Tamhane.多重比较过程。新泽西州霍博肯:约翰威利& Sons, 1987。
[2]肯·g·A。,D. E. Johnson.混乱的数据进行的分析,卷我:设计实验。波卡拉顿,FL:查普曼&大厅/ CRC出版社,1992年。
[3]塞尔,s R。,F. M. Speed, and G. A. Milliken. “Population marginal means in the linear model: an alternative to least-squares means.”美国统计学家。1980年,页216 - 221。
[4]Dunnett,查尔斯·w·“多重比较比较几种治疗方法和控制过程。”美国统计协会杂志》上,50卷,不。272年,1955年12月,页1096 - 121。
[5]Krishnaiah, Paruchuri R。和j·v·阿米蒂奇。“多元t分布表。”Sankhyā:印度杂志》的统计数据系列B (1966): 31-56。
版本历史
之前介绍过的R2006aR2022a:CType
已更名为CriticalValueType
的CType
名称-值参数被重命名CriticalValueType
更好地表明它的功能。
打开举例
你们possedez一个版本modifiee de cet(中央东部东京)为例。Souhaitez-vous打开cet(中央东部东京)为例用vos修改吗?
对MATLAB
你们有派对在联合国留置权,对应这个对MATLAB:
倒实行la对saisissez-la在fenetre德对MATLAB。Les navigateurs web不sup金宝appportent Les MATLAB命令。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。