使用统计假设检验修正多重比较

这些方法中的有一些允许您计算置信区间和多重性调整后P值，有些则不允许。我们建议使用其中一种计算置信区间和多重性调整后P值的检验，原因有二：

•对大多数人而言，置信区间比有关统计学显著性的说法更容易解读。

•多重性调整后P值可提供更多信息，简单地知道差异是否视为具有统计学显著性。

建议方法

可用检验列表取决于您在第二个选项卡上指定的目的。我们建议使用这些检验，因为这些检验可计算置信区间和多重性调整后P值

•如果您要比较每行（或每列）平均值与其他每行（或其他每列）平均值，则我们建议使用Tukey检验。

•如果您要比较对照行（或列）平均值与其他行（或其他列）平均值，则我们建议使用Dunnett检验。

•如果您正在比较一堆独立比较，则我们建议使用Sidak方法，该方法与Bonferroni非常相似，但检验力稍高一些。

其他可用方法

Bonferroni和Sidak方法为与其他程序兼容而提供，但我们认为选择这些检验无任何优势。

如果您不在乎观察和报告置信区间，则可通过选择Holm - Šídák检验获得更多 检验力。该方法比Tukey方法更强大，用于比较所有平均值对（3）。这意味着，在使用某些数据集的情况下，Holm - Šídák方法可发现统计学显著差异，而Tukey方法则不能。 Glantz表示，相较于Dunnett检验，Holm检验的检验力更高，但据他所知，这尚未得到深入探讨（2）

此外，由于历史原因，Prism还提供 Newman - Keuls检验 （因此，用旧版Prism制作的文件将会打开）（在比较每个平均值与其他每个平均值时），但我们建议您避免这样做，因为该检验不将族状错误率保持在指定水平（1）。在某些情况下，I型错误的几率可能大于您指定的α水平。

通过控制错误发现率（FDR）纠正多重比较

Prism提供了三种方法用于控制错误发现率。所有均决定将哪些（如有）比较标记为“发现”，且如此操作的方式可控制错误发现率小于您输入的值Q。

FDR方法不经常用作方差分析的后续检验，但缺少这样做的充分理由。

不要修正多重比较。每项比较均独立。

如果您选择该方法，则Prism将执行Fisher最小显著性差异（LSD）检验。

该方法（Fisher LSD）检测差异的检验力更高。但该方法可能得出错误结论，即差异具有统计学显著性。修正多重比较（Fisher LSD不执行）时，显著性阈值（通常为5%或0.05）适用于整个比较族。在使用Fisher LSD的情况下，该阈值分别适用于每项比较。

仅当您有充分理由时方可使用Fisher LSD方法，您在报告结果时要小心解释您进行的操作。

多重比较选项

调换比较方向

该选项的唯一影响是会改变所有报告的平均值间差异的符号。如果选中该选项，则2.3的差异将为 - 2.3。如果选中该选项，则 - 3.4的差异将为3.4。这纯粹是个人偏好，取决于您对数据的看法。

报告每项比较的多重性调整后P值

如果您选择了Bonferroni、Tukey或Dunnett多重比较检验，则Prism还可报告多重性调整后P值。如果选中该选项，则Prism会为每项比较报告调整后P值。这些计算不仅考虑到所比较的两组，还考虑到方差分析中的组总数（数据集列）以及所有组中的数据。

多重性调整后P值是适用于整个比较族的最小显著性阈值（α），在该阈值下，特定比较将（仅勉强）声明为“统计学显著性”。

直至最近，仍不常报告多重性调整后P值。如果您选择让Prism来计算这些值，则花些时间确保您理解这些值的意思。如果您在出版物或演示文稿中包含这些值，则务必解释这些值是什么。

置信水平和显著性水平（或期望FDR）

按照传统，置信区间针对95%置信计算得出，统计学显著性使用等于0.05的α来定义。Prism允许您选择其他值。如果您选择FDR，则为Q选择一个值（百分比）。如果您将Q设为5%，则您预计不超过5%的“发现”为假阳性。

 

参考文献

1.SA Glantz，《生物统计学初级读本》第六版，ISBN = 978 - 0071435093。

2.MA Seaman、JR Levin和RC Serlin，《心理学通报》110:577 - 586，1991。