如果选择 Bonferroni、Tukey、Dunnett 或 Dunn（非参数）多重比较检验，Prism 可以计算每个比较的 多重调整 P 值。这是方差分析对话框选项卡上的一个选项。默认情况下已选中。

关于多重性调整 P 值的主要事实

•对于比较族中的每个比较，都要计算单独的调整 P 值。

•每个调整 P 值的值都依赖于整个族。如果有不同数量的比较，或者其他比较的数据发生了变化，那么某个特定比较的调整 P 值就会有不同的值。

•由于调整后 P 值是由整个比较族决定的，因此不能与 t 检验或 Fisher 最小显著性差异检验计算出的单个 P 值进行比较。

•选择计算调整后的 P 值不会改变 Prism 对统计学显著性的报告。相反，Prism 会报告一组额外的结果--每次比较的调整 P 值。

•大多数程序都不会报告经多重性调整的 P 值。如果您选择报告调整后的 P 值，请务必解释它们是 多重性调整后的 P 值，并提供参考。避免使用 精确 P 值等模棱两可的术语。

什么是多重性调整 P 值？

在定义调整后的 P 值之前，让我们回顾一下单一比较的 P 值的含义。P 值是两个等价问题的答案：

•如果零假设为真，随机抽样导致这么大或更大差异的几率是多少？

•统计显著性阈值（α）的最小定义是什么，在该阈值下该结果会具有统计学显著性？

问题的后一种形式不太为人所知，但等同于前一种形式。它引出了调整后 P 值的定义，也就是这个问题的答案：

•当适用于整个比较族时，该特定比较在统计学上显著的最小显著性水平是多少？

这个想法非常简单。0.05 或 0.01 的显著性水平并没有什么特别之处...您可以将显著性水平设置为任何您想要的概率。调整后的 P 值是最小的族状显著性水平，在这个水平上，特定的比较将被宣布为具有统计学显著性，这是多重比较检验的一部分。

下面是一个简单的思考方法。您要进行两次多重比较。第一次，将族状显著性水平设为 5%。第二次，将其设置为 1%。如果某项比较在第一次统计计算（5% 显著性水平）时具有统计学显著性，但在第二次统计计算（1% 显著性水平）时不具有显著性，那么其调整后的 P 值必须在 0.01 和 0.05 之间，比如 0.0323。

进一步了解调整后 P 值

了解调整后 P 值的三个地方：

•赖特定义了这些调整 P 值，并主张广泛使用它们（S.P. Wright.同步推断的调整 P 值。生物计量学》48:1005-1013,1992）。

•多重比较和多重检验（文本和工作手册套装）作者：Peter H. Westfall, Randall D. Tobias, Dror Romm, 2000, IBSN:1580258336.

•调整后的 P 值由 SAS 的PROC MULTTEST 语句计算。然而，SAS 文档并没有很好地解释调整 P 值。