何为计划比较？

如果您关注一些科学上合理的比较，请使用“计划比较”一词。无法执行每一项可能比较。看完数据后，您无法决定要做哪些比较。作为实验设计的一部分，而是决定只执行部分比较。

一些统计学家建议，如果仅进行少数几项计划比较，则无需针对多重比较进行校正。该想法的具体理念是，每计划一项集中研究，将获得额外把握度。

Prism总是针对多重比较进行校正，而不论这些比较属于计划还是事后比较。然而，当仅有一对平均值可供比较时，一旦您意识到计划比较与Bonferroni校正比较相同，则可让Prism执行计划比较。

分析不正确的示例数据

在以下图表中，第一列显示对照数据，第二列显示治疗后的数据。实验旨在观察治疗是否改变测得活性（显示在Y轴上）。为确保赋形剂（用于溶解治疗药物的溶剂）不影响结果，采用另一份无赋形剂的对照品（第三列）进行实验。为确保实验正常进行，收集非特异性（空白）数据，并显示在第四列中。

有关单因素方差分析和Tukey多重比较检验（将每一组与其他每一组进行比较）的结果，请参见下文。

 

总体方差分析的P值极低，因此可拒绝零假设（即，所有数据均源自具有相同平均值的研究组）。但实际上并无多大帮助。第四列是阴性对照，因此其值当然远小于其他列。方差分析P值所回答的是一个实际上不需要问的问题。

Tukey多重比较检验用于比较所有平均值对（见上表）。您仅关心第一项比较，即，对照 vs.治疗组，该比较无统计显著性（P＞0.05）。

这些结果并未真正回答实验提出的问题。对于整个6项比较，Tukey多重比较检验设定的显著性水平为5%。但在这6项比较中，5项未解决科学上有效的问题。您预计空白组的数值远低于其他组。如果并非如此，则您不会因实验不起作用而费心进行分析。类似地，如果有赋形剂对照组（第一列）与无赋形剂对照组（第三列）之间的差异很大，则您不会费心分析其余数据。所有这些均为对照组测量结果，旨在确保实验系统正常工作。在方差分析和事后检验中纳入这些数据只会削弱您发现所关注的差异的能力。

计划比较的示例数据

由于您在此仅关心一项比较，因此只比较对照与治疗数据具有一定意义。

在Prism的“单因素方差分析”对话框中，对所选列对选择Bonferroni比较，并且仅选择一对。

差值具有统计显著性，P＜0.05，均值差的95%置信区间范围为5.826-39.51。

在报告结果时，务必提到未针对多重比较校正P值和置信区间，因此针对您所报告的每个值（而非针对整个比较系列），单独应用P值和置信区间。

在本示例中，我们计划仅进行一项比较。如果计划进行多项比较，请选择Fishers最小显著差法执行多重比较。在报告结果时，务必解释正在执行计划比较，因此未针对多重比较校正P值或置信区间。

采用t检验分析示例数据

计划比较分析取决于方差分析的假设，其中包括假设所有数据均来自具有相同分散程度的组。因此，即使只想比较两组，也可以采用所有组的数据估计组内分散程度，从而提供更多自由度和更大把握度。

就此而言，该假设似乎存疑。空白组数值的分散程度低于对照和治疗样本。另一种方法是完全忽略对照数据（使用对照组验证实验有效之后），并使用t检验，比较对照与治疗数据。t比率的计算方法如下：将均值差（22.67）除以该差值的标准误差（5.27，根据两个标准差和样本量计算得出），由此计算得到其等于4.301。对两组六个数据点进行比较，因此自由度为4。P值为0.0126，两个平均值之差的95%置信区间范围为8.04-37.3。

如何计算计划比较

首先，计算第1组与第2组之间差值的标准误差。计算方式如下，其中，N1和N2是指纳入比较的两个研究组的样本量（在本例中均等于3），MSresidual是指单因素方差分析报告的残差均方（在本例中为80.0）：

或者，等同于

在本示例中，第1列与第2列均值差的标准误差为7.303。

此时，t比率的计算方法如下：均值差（22.67）除以该差值的标准误差（7.303）。因此，t=3.104。由于MSerror基于所有数据计算得到，因此自由度的数量与方差分析表中的剩余自由度数量相同，在本示例中，为8（数值总数减去研究组数量）。相应的P值为0.0146。

95%置信区间从观测平均值延伸一段距离，该距离等于差值SE（7.303）乘以临界值（2.306），后者基于95%置信和8个自由度的t分布得到。因此，差值的95%置信区间范围为5.826-39.51。