Uploaded by ziye304

方差分析之多重比较

advertisement
方差分析之多重比较
在一个试验中,有k个处理平均数间比较时,其全部可能的相互比较对数有k(k-1)/2个,这种比较是复式比
较,亦称多重比较(multiple comparisons)。
为什么要做多重比较呢?
方差分析后做多重比较有很多好处:
误差由多个处理内的变异合并估计,自由度增大了,因而比较的精确度也增大了。
F检验显著,说明可以判定多个处理间存在显著的变异。因此方差分析后再做多重比较,称为Fisher氏
保护性多重比较(Fisher's protected multiple comparisons)。
如果有多个比较,不做F检验的情况下,很有可能有更多的比较是显著的;做了F检验以后,显著的平
均数比较会相应减少。
显然,在无F检验保护时,设有4个处理(k=4),需要做6个比较,若各个处理间总体上并无差异,每一
比较误判为有差异的概率为0.05,则6个比较中至少有1个被误判的概率为
1 − (1 − 0.05)6 = 0.2649 。
多重比较有多种方法,本次依次介绍LSD法、Sidak法、Bonferroni法、Dunnett法、Tukey法、SNK
法、Duncan法等。
法
LSD
法全称least significance difference,即最小显著差异法。由Fisher最先提出,本质上是一种t检验。通
常用于1对或者几对专业上有特殊意义的样本均数间的比较。
为了更好的理解LSD法的计算原理,我们首先回顾两独立样本t检验:
LSD
t=
Xˉ1 −Xˉ2
Sc2 ( n1 + n1 )
​ ​
​
​ ​
1
2
​
​
​
​
​
​
其中
Sc2 是两个样本的联合估计的方差(满足样本方差齐的前提下),本质就是组内误差的均方,该统计量服
从自由度为N-2的t分布。
​
Sc2 =
​
(n1 −1)S12 +(n2 −1)S22
n1 + n2 − 2
​
​
​
​
​
​
与上述类似,LSD法也进行的是两两比较的t检验。所不同的是,在满足方差齐性的前提下,LSD法采用所
有样本的联合方差来估计均数差的标准误,而不是要比较的两个样本的联合方差。以三样本之间均数差异
比较为例,其公式为
Sc2 =
​
(n1 −1)S12 +(n2 −1)S22 +(n3 −1)S32
n1 +n2 +n3 −3
​
​
​
​
​
​
​
​
​
法往往计算最小显著差异,即
LSD
LSD = tα/2
Sc2 ( n11 +
​
​
1
n2 )
​
​
​
​
​
当两组均数差大于LSD时,说明差异达到显著的水平,也就可以拒绝零假设,认为两组均数不相等。需要
注意的是,LSD法单次比较的检验水准仍然为α。LSD法检验的灵敏度最高,但是会因为对比的频数增加
使得第一类型错误概率增加。为解决该问题,便出现了Sidak法和Bonferroni法。
法
Sidak
法的也是一种t检验,计算公式和LSD法的相同。但是Sidak法对α进行了调整。其调整方法如下:如
果有k组,对k组进行两两比较的次数为
Sidak
c=
k(k−1)
2
​
那么做完c次比较,累积犯一类错误的概率为:
1 − (1 − αa )c
​
令上面的公式值等于0.05,由此可以反推出调整后的αa ​。例如进行6次事后比较,则Sidak法的​
=0.0085,以αa 作为单次比较的显著性水平,显然αa 变小了。由于αa ​减小,结论趋于接受无效假设,
因此该方法要比LSD法保守的多。
​
​
​
​
法
Bonferroni
法与Sidak法类似,同样是在LSD法的基础上对α进行了调整。其调整方法基于Bonferroni不等
式。若有k组,其计算公式为
Bonferroni
αa =
​
α
k
​
一般认为Bonferroni法是最为保守的,仍然以上面例子来说明。若进行6次比较,则Bonferroni法的调整​
=0.0083,比上面的sidak法还要小。事实上,当比较的次数不多时,该方法效果比较好,当比较次数较
多时(如k>10),该方法对​α 的调整有些矫枉过正,效果不如Sidak法。
法
Dunnett
法检验统计量为td ​,故又称为Dunnett-t检验,实际上该方法的计算与LSD法相同,但是LSD法临
界值表基于t分布,而该方法有特殊的临界值表 ,通常用于多个实验组和一个对照组均数的比较。
Dunnett
法
​
Tukey
在介绍Tukey方法前,首先了解学生化极差分布。
在概率论和统计学中,学生化极差分布是极差的抽样分布。该分布是一种连续型概率分布,用于在样本量
较小且总体标准差未知的情况下估计正态分布总体的极差。
假设要比较的组数为k,那么在零假设成立的条件下,下面的随机变量服从学生化极差分布。
q=
ˉ max −X
ˉ min
X
​
​
​
Sc2
n
​
​
​
公式中分子分别是最大和最小样本的均值,Sc2 ​是所有样本的联合方差 ,n为每个样本的样本含量。该统
计量有两个自由度,分别为k和n-k。
Turkey的HSD (Honestly significant difference)是基于学生化极差的成对比较。其思想和LSD方法类
似,通过计算HSD统计量,如果两组均数的差异大于该极差,认为差异是显著的,因此拒绝零假设,认
为两组均数不同。计算临界HSD的公式为
​
Sc2
n
HSD = qα (k , ν )
​
​
​ ​
为组数,ν为联合方差的自由度,即N-k,n为每个样本的样本含量。从HSD公式上看,Tukey法较LSD法
保守,即较LSD不易发现显著差异。Tukey法要求比较的样本容量相差不大,一般用于样本容量相同的组
之间均数的比较。
k
SNK
法
法全称Newman–Keuls 或者 Student–Newman–Keuls,属于复极差法(multiple range test),也
称为q检验。该方法是对Tukey法的修正,也用的是学生化极差统计量。但是与Tukey法所不同的是,该方
法在计算临界值时考虑了两样本均数排序的步长。因而不同步长的两个样本均数的比较使用不同的q临界
值。
例如比较三个样本均数,样本均数从小到大排列后,如果比较最大均数和最小均数的差异,两者的步长为
3(此时计算的临界值等于HSD),若比较最小均数和第二个均数,步长为2。根据步长和自由度查q临界
值表,计算相应的q临界值,即最小显著极差,进而判断均数差异的显著性。
SNK
Wr = qα (r, ν)
​
​
Wr = qα (r, ν)
​
​
Sc2
n 或
Sc2 1
2 (n1
​
​ ​
​
​
​
​
+
1
n 2)
​
​
​
为组间步长,其他字母含义同Tukey法。可以发现Tukey法不管要比较的均数相差几步都使用相同(且为
最大)的临界值,而SNK法则考虑了步长,并且随着步长r的减小,Wr ​也在减小,因而SNK法较Tukey法
灵敏(更容易发现显著差异)。另外,对所有r>2,均有LSD < Wr ​,因而SNK法又不及LSD法灵敏。
r
​
​
法
Duncan
法不同步长下的最小显著极差变幅大,虽然减小了犯Ⅰ类错误的概率,但是同时增加了犯Ⅱ类错误的
概率。
Duncan法的全称为Duncan's new multiple range test (MRT),也称为新复极差法。该方法是对SNK法
的修正,但是提高了一类错误概率,降低了二类错误的概率,通常用于农业研究。该方法与SNK法相似,
SNK
区别在于计算最小显著极差时,不是查q表,而是查SSR表,所得最小显著极差值随着k增大通常比SNK检
验的小。
编辑于 2021-08-08 08:48
Download