多重比較常用的方法有哪兩類

『壹』 請教！事後檢驗，多重比較，簡單效應分析。這幾種有什麼區別，分別在什麼時候使用呢

一、比較的內容不同

事後檢驗：事後檢驗是將市場風險計量方法或模型的估算結果與實際發生的損益進行比較。

多重比較：多重比較是在方差分析後對各樣本平均數間進行比較。

簡單效應分析：簡單效應分析是在同一因素內兩種水平間的比較。

二、方法不同

事後檢驗：事後檢驗的方法包括檢驗計量法、市場風險計量法等。

多重比較：多重比較的方法包括Duncan多重比較法、Scheffe多重比較法等。

簡單效應分析：簡單效應分析的方法包括單因素試驗、多因素試驗等。

三、應用不同

事後檢驗：事後檢驗主要應用於主效應顯著後，進一步考察一個因素的哪兩個水平存在差異。

多重比較：多重比較主要應用於方差分析後的平均數間差異分析。

簡單效應分析：簡單效應分析主要應用於多因素方差分析總交互作用顯著後，進一步考察一個因素的水平在另外一個因素的不同水平上是否存在差異。

事後檢驗，在檢驗市場風險時候使用；多重比較，在分析樣本時候多重比較可用來進一步確定哪兩個平均數間有差異；簡單效應，。當然每一個因素可能會有自己的主效應（main effect）。在出現交互作用之後，需要進一步考察簡單效應（simple effect）。即是考察A1在B1上的效應，A2在B1上的效應，以A1在B2，A2在B2上的效應。

『貳』 多重比較的幾種校正方法求答案

舉個例子：如要在同一數據集上檢驗兩個獨立的假設，顯著水平設為常見的0.05。此時用於檢驗該兩個假設應使用更嚴格的 0.025。即0.05* (1/2)。該方法是由Carlo Emilio Bonferroni發展的，因此稱Bonferroni校正。這樣做的理由是基於這樣一個事實：在同一數據集上進行多個假設的檢驗，每20個假設中就有一個可能純粹由於概率，而達到0.05的顯著水平。
維基網路原文：Bonferroni correction: Bonferroni correction states that if an experimenter is testing n independent hypotheses on a set of data, then the statistical significance level that should be used for each hypothesis separately is 1/n times what it would be if only one hypothesis were tested.
For example, to test two independent hypotheses on the same data at 0.05 significance level, instead of using a p value threshold of 0.05, one would use a stricter threshold of 0.025.
The Bonferroni correction is a safeguard against multiple tests of statistical significance on the same data, where 1 out of every 20 hypothesis-tests will appear to be significant at the α = 0.05 level purely e to chance. It was developed by Carlo Emilio Bonferroni.
A less restrictive criterion is the rough false discovery rate giving (3/4)0.05 = 0.0375 for n = 2 and (21/40)0.05 = 0.02625 for n = 20.
Benjamini and Hochberg在1995年第一次提出了FDR(False Discovery Rate)的概念，其出發點就是基於Bonferroni的保守性，並給出了控制FDR的方法（這算是FDR控制方法的祖師爺了）。不過他們的方法也有其保守性。所以隨後人們開始研究更加powerful的方法，現有的方法有Storey的, Broberg的，Dalmasso的，Guan的，Strimmer的等等等等。Benjamini的方法是將FDR控制在一個level以下，而之後所有的方法都在試圖精確地估計FDR。所以後來的這些方法都要powerful一些。不過他們所付出的代價就是robustness。據說Storey方法是最流行的FDR control procere(For details see Storey's paper published ON PNAS ,2003)。

『叄』 求助：單因素方差分析中常用多重比較，所用方法的區別

1、原理：

都是利用方差比較的方法分析，通過假設檢驗的過程來判斷多個因素是否對因變數產生顯著性影響。

2、步驟：

分析的基本步驟相同。

a、建立檢驗假設。

b、計算檢驗統計量F值。

c、確定P值並作出推斷結果。

區別：

1、試驗指標個數

單因素方差分析：1個。

多因素方差分析：多於1個。

2、適用范圍：

單因素方差分析：是用來研究一個控制變數的不同水平是否對觀測變數產生了顯著影響，如考察地區差異是否影響婦女的生育率。

多因素方差分析：用來研究兩個及兩個以上控制變數是否對觀測變數產生顯著影響。分析不同品種、不同施肥量對農作物產量的影響時，可將農作物產量作為觀測變數，品種和施肥量作為控制變數。

(3)多重比較常用的方法有哪兩類擴展閱讀：

基本分析之後的進一步分析：

1、單因素方差分析：

在完成上述單因素方差分析的基本分析後，可得到關於控制變數是否對觀測變數造成顯著影響的結論，接下來還應做其他幾個重要分析，主要包括方差齊性檢驗、多重比較檢驗。

2、多因素方差分析：

由分析可知：廣告形式與地區的交互作用不顯著，先進一步嘗試非飽和模型，並進行均值比較分析、交互作用圖形分析。

a、建立非飽和模型。

b、均值比較分析。

c、控制變數交互作用的圖形分析 。

參考資料來源：網路-單因素方差分析

網路-多因素方差分析

『肆』 多重比較的字母標記法

多重比較的字母標記法

1、此法首先將各個處理平均數由大到小，自上而下的排列。

2、當顯著水平為0.05時，在最大平均數後標記小寫拉丁字母a，直到某一個與其差異顯著的平均數標記字母b 為止。

3、再以標有字母b的平均數，與上方比它大的各個平均數比較，凡與其差異不顯著著，一律再加標字母b，直到差異顯著不加標字母b為止。

4、再以標記有字母b的最大平均數，與其下面各個未標記字母的平均數相比較，凡與其差異不顯著者，繼續標記字母b，直到某一個與其差異顯著的平均數標記為c為止。

5、如此重復下去，直到最小的平均數被標記、比較完畢。

6、這樣，各個平均數間凡有一個相同字母的，為差異不顯著；凡無相同字母的，為差異顯著。

7、當顯著水平為0.01時，則用大寫拉丁字母A、B、C等表示多重比較結果。

(4)多重比較常用的方法有哪兩類擴展閱讀:

字母標記心法

1. 先將平均數由大到小排列（從上到下排列），在最大平均數後標記字母 a 。

2. 用該平均數依次與各平均數相比（向下過程），凡差異不顯著都標記同一字母 a，直到遇到與其差異顯著的平均數，其後標記字母 b，向下比較停止；

3. 再以標有字母b的該平均數為標准，依次與上方比它大的各個平均數比較（向上過程），凡差異不顯著一律再加標b，直至顯著為止（開始「掉頭」向下）；

4. 再以標記有字母 b 的最大平均數為標准（向下過程），依次與下面各未標記字母的平均數相比，凡差異不顯著，繼續標記字母 b，直至遇到某一個與其差異顯著的平均數標記 c……；

5. 如此循環下去，直到最小的平均數被標記、且比較完畢為止。

要比較的平均數間有相同字母視為差異不顯著，無相同字母的數據視為差異顯著。一般用小寫拉丁字母表示顯著水平α=0.05，用大寫拉丁字母表示顯著水平α=0.01。

『伍』 用spss進行多重比較檢驗法選擇什麼方法較優

這個沒有特定標準的，lsd、turkey等都可以，snk也可以
我替別人做這類的數據分析蠻多的

『陸』 多重比較名詞解釋

多重比較（multiple comparisons）是指方差分析後對各樣本平均數間是否有顯著差異的假設檢驗的統稱。方差分析只能判斷各總體平均數間是否有差異，多重比較可用來進一步確定哪兩個平均數間有差異，哪兩個平均數間沒有差異。比較方法有 N－K（Newman－Keuls）檢驗、鄧肯（DunCan）檢驗、圖基（Tukey）檢驗鄧尼特（Dunnett）檢驗、最小顯著差檢驗及謝費（Scheffé）檢驗等它們的理論依據和應用條件都有所不同，求採納，謝謝！！！

『柒』 在單因素方差分析中進行多重比較常用的方法是

摘要 1、原理：

『捌』 單因素方差分析多重比較是指什麼

單因素方差分析多重比較是指：用來測試某一個控制變數的不同水平是否給觀察變數造成顯著差異和變動。

通過不同水平下，各總體均值服從方差相同的正態分布。所以方差分析就是研究不同水平下各個總體的均值是否有顯著的差異。

統計推斷方法是計算F統計量，進行F檢驗，總的變異平方和 SST，控制變數引起的離差SSA（Between Group離差平方和），另一部分隨機變數引起的SSE（組內Within Group離差平方和），SST=SSA+SSE。

多重比較檢驗：單因素方差分析只能夠判斷控制變數是否對觀察變數產生了顯著影響，多重比較檢驗可以進一步確定控制變數的不同水平對觀察變數的影響程度如何，那個水平顯著，哪個不顯著。

單因素方差分析多重比較有兩兩比較方法：

1、LSD法：實際上就是t檢驗的變形，只是在變異和自由度的計算上利用了整個樣本信息，因此仍然存在放大一類錯誤的問題。

2、Scheffe法：當各組人數不相等，或者想進行復雜的比較時，用此法較為穩妥。但它相對比較保守。

3、S-N-K法：是運用最廣泛的一種兩兩比較方法。它採用Student Range 分布進行所有各組均值間的配對比較。該方法保證在H0真正成立時總的α水準等於實際設定值，即控制了一類錯誤。

4、Tukey法：對一、二類問題控製得很好，首選。

5、Bonferroni法：LSD法的改進，有效控制假陽性。

『玖』 方差分析中方差齊性時常用的多重比較檢驗方法有哪些

1、圖基法(Tukey's Method)又稱T多重比較法，是用來比較均值 和 (g≠h)的所有可能的兩兩差異的一種聯立檢驗( a simultaneous test) ( Tukey,1953)。目標是為所有兩兩比較構建100(1-α)%的置信區間。

這種方法的基礎是學生化的極差分布( studentized range distribution)。令r為從均值為μ、方差為σ2的正態分布中得到的一些獨立觀察的極差(即最大值減最小值),令v為誤差的自由度數目(多重比較中為N-G)。

2、謝弗法( Scheffé's method) 又稱S多重比較法，也為多重比較構建一個100(1 -α) %的聯立置信區間( Scheffé,1953,1959)。區間由下式給出:

表示自由度為G-1和N-G的F分布的100(1 -α)百分數點。

謝弗法更具有普適性，因為所有可能的對比都可用它來檢驗統計顯著性，

而且可為參數的相應線性函數構建置信區間

(9)多重比較常用的方法有哪兩類擴展閱讀

圖基法和謝弗法的比較

作為兩種主要的多重比較方法，圖基法和謝弗法各有其優缺點，總結如下：

1、謝弗法可應用於樣本量不等時的多重比較，而原始的圖基法只適用於樣本量相同時的比較。

2、在比較簡單成對差異( simple pairwise differences)時，圖基法最具效力，給出更窄的置信區間，雖然它對於廣義比對( general contrasts) 也可適用。

3、與此相比，對於涉及廣義比對的比較，謝弗法更具效力，給出更窄的置信區間。

4、如果F檢驗顯著，那麼謝弗法將從所有可能的比對(contrasts)中至少檢測出一對比對是統計顯著的。

5、謝弗法應用起來更為方便，因為F分布表比圖基法中使用的學生化極差分布更容易得到。

6、正態性假定和同方差性假定對於圖基法比對於謝弗法更加重要

『拾』 生物統計題：用LSD法、SSR法、和q法對數據進行多重比較

SSR（新復極差法）：假設H0:設兩者治癒率相同，即π1=π2，H1：兩者治癒率不同，即π1≠π2。α=0.05。T最小值為30×70÷145=14.5＞5，不需校正。

χ2=(53×13-17×62)(53×13-17×62)×145/(115×30×70×75)=1.07 自由度v=1。然後查卡方屆值表得p＞0.05,所以不可以拒絕H0，接受H1即可以認為兩者治癒率有差別。

LSR法檢驗統計量計算有Duncan於1955年提出的新復極差法（SSR法）和Tukey於1949年提出的q法：

SSR=（xi.-xj.）/SE~SSR（p，fe）

q=（xi.-xj.）/SE~q（p，fe）

SE=（MSe/r）開平方

(10)多重比較常用的方法有哪兩類擴展閱讀：

多重比較法要求的條件與方差分析法相同，即隨機變數服從正態分布，方差相齊和觀測值的獨立性。

多重比較法的方法

（一）LSD（Least Significant Difference）法

要求組間的標本數必須相同，適用於被指定組間的比較檢定。

（二）Tukey法

這個方法也被稱作Tukey（a）法，適用於將進行比較的組間完全對等關系的情況，具有相同的標本數是進行檢定的前提。

（三）Bonferroni法

這個方這是LSD法的改良法，適用於全體組間比較檢定。

（四）Scheffe法

適用於需要進行全體組間比較檢定。Scheffe技在需要進行比較的個數多於平均值個數時，比BonfeDoni法更容易得到明確的判斷。另外，在萬檢定的結果不存在有意差時，也可以判斷某組間是否存在有意差等特點。