多重比較常用的方法是

① 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：

② 在單因素方差分析中進行多重比較常用的方法是

摘要 在單因素方差分析中進行多重比較常用的方法是LSD-t檢驗

③ 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。

④ 方差分析中方差齊性時常用的多重比較檢驗方法有哪些

snk，lsd，b校正，都是方差齊性的常用兩兩比較方法

⑤ 多重比較是指什麼

多重比較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。

舉例說明

比如研究者想要探究不同的受教育程度的收入情況之間是否有差異。方差分析研究結果已經表明高中、本科、碩士三種受教育程度的收入是有顯著性差異的，需要進一步去探究哪兩者是有差異，哪兩者之間是沒有差異的。

三種情況兩兩之間需要進行三次比較，如果採用t檢驗，每次比較我們犯「棄真」錯誤的概率是5%，那比較三次，我們累計犯「棄真」錯誤的概率約等於0.14。也就是說，我們在一次試驗中比較的次數越多，犯一類錯誤的概率就越大，那也就是為什麼會選擇多重比較。

⑥ 在單因素方差分析中進行多重比較常用的方法是

摘要 你好，請詳細描述你的問題，方便為你解答，或者你拍個照片給我也可以。

⑦ 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)。

⑧ 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。

(8)多重比較常用的方法是擴展閱讀：

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

⑨ 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