高等数学 / 系统课时

多重比较

多重比较

方差分析显著只说明“至少有一组均值不同”,却不能指出差异发生在哪些组。本课将从错误率控制出发,选择合适的多重比较方法,并用调整后的置信区间和显著性结果定位真正存在差异的组。

学习目标

  • 解释总体检验显著后为什么不能直接反复做普通 t 检验
  • 根据比较目的与方差条件选择 Tukey、Holm、Dunnett 或 Games-Howell 方法
  • 正确解读调整后的 p 值、置信区间与组间差异方向

总体检验之后还缺什么

单因素方差分析的原假设是所有总体均值相等。拒绝原假设后,只能得出“并非全部相等”,不能直接判断哪两组不同,也不能据此认为每一对组都存在差异。

若有 kk 组,需要进行的两两比较数量为 m=k(k−1)/2m=k(k-1)/2。当每次检验都使用显著性水平 α\alpha 时,至少出现一次假阳性的概率会随比较次数增加。在各检验近似独立且原假设都成立时,家族错误率约为:

1−(1−α)m1-(1-\alpha)^m

例如 4 组共有 6 次两两比较,若每次都用 0.05,家族错误率约为 26.5%,明显高于预定的 5%。多重比较的核心,就是在识别具体差异的同时控制这类累积错误。

方差分析后选择多重比较方法的流程

常用方法如何选择

方法 适用目标 关键前提或特点
Tukey HSD 所有组之间两两比较 适合方差齐性成立的经典单因素方差分析,直接控制家族错误率
Holm 对一组预先确定或灵活产生的 p 值进行调整 通常比 Bonferroni 更有检验力,且不要求比较结构完全对称
Dunnett 多个处理组分别与同一个对照组比较 不浪费检验力在处理组之间的无关比较上
Games-Howell 方差不齐、样本量也可能不同的两两比较 不依赖方差齐性,常与 Welch 方差分析配合

Bonferroni 方法把单次显著性水平压缩为 α/m\alpha/m,规则简单但较保守。实际分析中,若没有特殊理由,灵活比较可优先考虑 Holm;所有组对比较且满足方差齐性时,Tukey HSD 通常更自然。

读懂一份多重比较结果

假设四组均值分别为 A=72、B=74、C=81、D=83,总体方差分析得到 p<0.001p<0.001。下面是教学用的 Tukey 调整结果:

比较 均值差 95% 调整置信区间 调整后 p 值 结论
A-B -2 [-6.1, 2.1] 0.58 不显著
A-C -9 [-13.1, -4.9] <0.001 C 高于 A
A-D -11 [-15.1, -6.9] <0.001 D 高于 A
B-C -7 [-11.1, -2.9] 0.002 C 高于 B
B-D -9 [-13.1, -4.9] <0.001 D 高于 B
C-D -2 [-6.1, 2.1] 0.58 不显著

判断时先看置信区间是否跨过 0,再结合调整后的 p 值确认显著性。差值的正负取决于软件采用“前组减后组”还是“后组减前组”,报告前必须确认方向。

该结果支持把 A、B 视为较低水平的一组,把 C、D 视为较高水平的一组,但不能说 A 与 B 完全相同,也不能说 C 与 D 完全相同;“未显著”只代表当前数据不足以证明差异。

报告与常见错误

报告中应同时给出总体检验、多重比较方法、调整后的 p 值、置信区间和差异方向。只写“组间有显著差异”会丢失最重要的信息,也无法判断差异是否具有实际意义。

  • 不要在总体检验显著后继续使用未调整的普通 t 检验
  • 不要先查看结果再临时挑选最容易显著的方法
  • 不要把“未显著”解释为“两组绝对相等”
  • 不要只报告 p 值,应同时关注均值差及其置信区间

当比较目标在实验开始前已经明确时,应优先使用计划对比,而不是把所有组都做一遍两两比较。这样既贴合研究问题,也能减少无关检验带来的错误率负担。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

多重比较

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通