实⽤⼲货｜【果断收藏】SPSS多重⽐较⽅法
数据君为⼤家总结了SPSS多重⽐较⽅法，喜欢的记得收藏哦！
（⼀）、常⽤⽅法总结
它其实只是t检验的⼀个简单变形，并未对检验⽔准做出任何校正，只是在标准误的计算上充分利⽤了样本信息, 为所有组的均数统⼀估计出了⼀个更为稳健的标准误，其中MS误差是⽅差分析中计算得来的组内均⽅，它⼀般⽤于计划好的多重⽐较。由于单次⽐较的检验⽔准仍为α，因此可认为LSD法是最灵敏的。 2.Bonferroni法
该法⼜称Bonferroni t检验，由Bonferroni提出。⽤t检验完成各组间均值的配对⽐较，但通过设置每个检验的误差率来控制整个误差率。若每次检验⽔准为α′，共进⾏m 次⽐较，当H0 为真时，犯Ⅰ类错误的累积概率α不超过mα′, 既有Bonferroni不等式α≤mα′成⽴。 3.Sidak法家具专卖店设计
它实际上就是Sidak校正在LSD法上的应⽤，即通过Sidak校正降低每两次⽐较的Ⅰ类错误概率，以达到最终整个⽐较的Ⅰ类错误概率为α的⽬的。即α′= 1 - (1 -α) 2/ k ( k - 1) ，计算t统计量进⾏多重配对⽐较。可以调整显著性⽔平，⽐Bofferroni ⽅法的界限要⼩。
4.Student-Newman-Keuls法( SNK法)
采集重构
它实质上是根据预先制定的准则将各组均数分为多个⼦集, 利⽤Studentized Range分布来进⾏假设检验，并根据所要检验的均数的个数调整总的Ⅰ类错误概率不超过α。⽤student range分布进⾏所有各组均值间的配对⽐较。如果各组样本含量相等或者选择了（差异较⼩的⼦集）的均值配对⽐较。在该⽐较过程中，各组均值从⼤到⼩按顺序排列，最先⽐较最末端的差异。
5.Dunnett检验
常⽤于多个试验组与⼀个对照组间的⽐较，根据算得的t值，误差⾃由度ν误差、试验组数k - 1以及检验⽔准α查Dunnett-t界值表，作出推断。
6.Duncan法(新复极差法)（SSR）
指定⼀系列的“range”值，逐步进⾏计算⽐较得出结论。
7.Tukey检验
使⽤学⽣化的范围统计量进⾏组间所有成对⽐较。将试验误差率设置为所有成对⽐较的集合的误差率。Tukey的应⽤指征：（1）所有各组的样本数相等；（2）各组样本均数之间的全⾯⽐较；（3）可能产⽣较多的假阴性结论。
8.Scheffe检验
为均值的所有可能的成对组合执⾏并发的联合成对⽐较。使⽤F 取样分布。可⽤来检查组均值的所有可能的线性组合，⽽⾮仅限于成对组合。Scheffe的应⽤指征：（1）各组样本数相等或不等均可以，但是以各组样本数不相等使⽤较多；（2）如果⽐较的次数明显地⼤于均数的个数时，Scheffe法的检验功效可能优于Bonferroni法和Sidak法。如均数的个数等于或⼩于⽐较的次数，Bonferroni⽅法较Scheffe⽅法佳。
（⼆）各种⽅法简介
1. ⽅差齐时，可选⽤以下⽅法：
LSD：least significant difference检验法，指⽤t检验对各组均值间进⾏配对⽐较。对多重⽐较误差率不进⾏调整。Bonferroni：⽤t检验对各组间均值进⾏配对⽐较，通过设置每个检验的误差率来控制整个误差率。
Sigdk：为计算t统计量进⾏多重配对⽐较。可以调整显著性⽔平，⽐Bonferroni⽅法的界限要⼩。国际形势黄皮书
Scheffe：为对所有可能的配对组合进⾏同步配对⽐较。可以同时检验所有均数的线性组合。不单纯是配对均值的⽐较。
R-E-G-W F：为作Ryan-Einot-Gabriel-Welsch F检验法，⽤F检验进⾏多重⽐较检验。
R-E-G-W Q：为作Ryan-Einot-Gabriel-Welsch检验法，⽤t化极差进⾏多重配对⽐较。
防灾技术高等专科学校S-N-K：为Student-Newman-Keuls检验法，⽤t化极差分布进⾏所有各组均值间的配对⽐较。如果各组样本含量相等或者选择了⽤所有各组样本含量的调和平均数进⾏样本量估计时，⽤逐步过程进⾏齐次⼦集（差异较⼩的⼦集）的均值配对⽐较。在该⽐较过程中，各组均值从⼤到⼩的顺序排列。最先⽐较极端的差异。
Tukey：为作Tukey's honestly significantdifference检验法，⽤t化极差统计量进⾏所有组间均值的配对⽐较，⽤所有配对⽐较误差率作为实验误差率。
Tukey's-b：⽤t化极差分布进⾏组间均值的配对⽐较。其精确值为前两种检验相应值的平均值。
Duncan：为作Duncan's multiple range检验法指定⼀系列的t化极差值，逐步进⾏计算⽐较得出结论。
北京导航Hochberg's GT2：⽤正态最⼤系数进⾏多重⽐较。
Gabriel：⽤正态标准系数进⾏配对⽐较，在单元数较⼤时，这种⽅法较⾃由。
Waller-Duncan：⽤t统计量进⾏多重⽐较检验。使⽤Bayesian逼近。
Dunnett：⽤于多个处理组与⼀个对照组配对⽐较。选定此⽅法后，激活下⾯的Controlcategories框，选择对照组，有两个选项Lase（默认选项）和First。Test框内选择检验的单双侧。选项2-side表⽰双侧检验（默认选项）；选项
<control为单侧检验表⽰处理组均数⼩于对照组均数；选项>control为单侧检验表⽰处理组均数⼤于对照组均数。
2. ⽅差不齐时可以选⽤以下⽅法：
Tamhane's T2：t检验进⾏配对⽐较。
蓝领人才Dunnett's T3：t化最⼤值下的配对⽐较。
Games-Howell：⽅差不具齐次性时的配对⽐较，⽅法较灵活。
Dunnett's C：t化极差下的配对⽐较。
注：在LSD以及Duncan法的计算结果的表⽰⽅法为把差异没有显著性意义的⽐较组列在同⼀列⾥。没有列出的其余各⽐较组之间差异均有显著性意义。
（三）各种⽅法简介-2
1. 假定⽅差齐性
•LSD.使⽤t 检验执⾏组均值之间的所有成对⽐较。对多个⽐较的误差率不做调整。LSD法侧重于减少第⼆类错误，此法精度较差，易把不该判断为显著的差异错判为显著，敏感度最⾼。LSD法的使⽤：在进⾏试验设计时就确定各处理只是固定的两个两个相⽐，每个处理平均数在⽐较中只⽐较⼀次。例如，在⼀个试验中共有4个处理，设计时已确定只是处理1与处理2、处理3与处理4(或1与3、2与4；或1与4、2与3)⽐较，⽽其它的处理间不进⾏⽐较。因为这种⽐较形式实
理1与处理2、处理3与处理4(或1与3、2与4；或1与4、2与3)⽐较，⽽其它的处理间不进⾏⽐较。因为这种⽐较形式实际上不涉及多个均数的极差问题，所以不会增⼤犯I型错误的概率。
•Bonferroni. Bonferroni提出，设H0为真，如果进⾏m次显著性⽔准为α的假设检验时，犯Ⅰ类错误的累积概率α’不超过mα，即有Bonferroni不等式α’ ≤mα成⽴。所以令各次⽐较的显著性⽔准为a=0.05／m，
并规定P≤0.05／m时拒绝H0，基于这样的做法，就可以把Ⅰ类错误的累积概率控制在0.05。这种对检验⽔准进⾏修正的⽅法叫做Bonferroni调整(Bonferroni adjustment)法，简称Bonferroni法。使⽤t 检验在组均值之间执⾏成对⽐较，但通过将每次检验的错误率设置为实验性质的错误率除以检验总数来控制总体误差率。这样，根据进⾏多个⽐较的实情对观察的显著性⽔平进⾏调整。换句话来说，Bonferroni法由LSD修正⽽来，通过设置每个检验的α⽔准来控制总的α⽔准。但是⽐较的次数越多，⽐较的结果越保守。Bonferroni法的应⽤指征：（1）各组的样本数⽆论相等还是不等；（2）计划好的某两个组间或⼏个组间作两两⽐较；（4）当⽐较次数不多时，Bonferroni法的效果较好；（5）但当⽐较次数较多(例如在10次以上)时，则由于其检验⽔准选择得过低，结论偏于保守，犯Ⅱ类错误的概率增加，即出现较多的假阴性结果；（6）Bonferroni法⽐LSD法、Duncan法、SNK法偏于保守，不过，它⽐Tukey法、Scheffe法要敏感。
•Sidak.基于t 量的成对多重⽐较检验。Sidak调整多重⽐较的显著性⽔平，并提供⽐Bonferroni 更严密的边界。•Scheffe.（最常⽤，不需要样本数⽬相同）为均值的所有可能的成对组合执⾏并发的联合成对⽐较。使⽤F 取样分布。
可⽤来检查组均值的所有可能的线性组合，⽽⾮仅限于成对组合。Scheffe的应⽤指征：（1）各组样本数相等或不等均可以，但是以各组样本数不相等使⽤较多；（2）如果⽐较的次数明显地⼤于均数的个数时，Scheffe法的检验功效可能优于Bonferroni法和Sidak法。如均数的个数等于或⼩于⽐较的次
数，Bonferroni⽅法较Scheff’e⽅法佳。
•R-E-G-W F.基于F 检验的Ryan-Einot-Gabriel-Welsch 多步进过程。
•R-E-G-W Q. 基于学⽣化范围的Ryan-Einot-Gabriel-Welsch 多步进过程。
•S-N-K.使⽤学⽣化的范围分布在均值之间进⾏所有成对⽐较。它还使⽤步进式过程⽐较具有相同样本⼤⼩的同类⼦集内的均值对。均值按从⾼到低排序，⾸先检验极端差分。
•Tukey.（最常⽤，需要样本数⽬相同）使⽤学⽣化的范围统计量进⾏组间所有成对⽐较。将试验误差率设置为所有成对⽐较的集合的误差率。Tukey的应⽤指征：（1）所有各组的样本数相等；（2）各组样本均数之间的全⾯⽐较；（3）可能产⽣较多的假阴性结论。
•Tukey's b.使⽤学⽣化的范围分布在组之间进⾏成对⽐较。临界值是Tukey's 真实显著性差异检验的对应值与Student-Newman-Keuls 的平均数。
•Duncan. 使⽤与Student-Newman-Keuls 检验所使⽤的完全⼀样的逐步顺序成对⽐较，但要为检验的集合的错误率设置保护⽔平，⽽不是为单个检验的错误率设置保护⽔平。使⽤学⽣化的范围量。
•Hochberg's GT2. 使⽤学⽣化最⼤模数的多重⽐较和范围检验。与Tukey's 真实显著性差异检验相似。
•Gabriel. 使⽤学⽣化最⼤模数的成对⽐较检验，并且当单元格⼤⼩不相等时，它通常⽐Hochberg's GT2 更为强⼤。当单元⼤⼩变化过⼤时，Gabriel检验可能会变得随意。
•Waller-Duncan. 基于t 统计的多⽐较检验；使⽤Bayesian ⽅法。
•Dunnett.将⼀组处理与单个控制均值进⾏⽐较的成对多重⽐较t 检验。最后⼀类是缺省的控制类别。另外，您还可以选择第⼀个类别。双⾯检验任何⽔平（除了控制类别外）的因⼦的均值是否不等于控制类别的均值。<；控制检验任何⽔平的因⼦的均值是否⼩于控制类别的均值。>控制检验任何⽔平的因⼦的均值是否⼤于控制类别的均值。
2. 未假定⽅差齐性
•Tamhane's T2. 基于t 检验的保守成对⽐较。当⽅差不相等时，适合使⽤此检验。
•Dunnett's T3. 基于学⽣化最⼤值模数的成对⽐较检验。当⽅差不相等时，适合使⽤此检验。
•Games-Howell. 有时会变得随意的成对⽐较检验。当⽅差不相等时，适合使⽤此检验。
•Dunnett's C. 基于学⽣化范围的成对⽐较检验。当⽅差不相等时，适合使⽤此检验。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议