多重比较常用的方法是

① 在单因素方差分析中进行多重比较常用的方法是

摘要 1、原理：

② 在单因素方差分析中进行多重比较常用的方法是

摘要 在单因素方差分析中进行多重比较常用的方法是LSD-t检验

③ 单因素方差分析多重比较是指什么

单因素方差分析多重比较是指：用来测试某一个控制变量的不同水平是否给观察变量造成显着差异和变动。

通过不同水平下，各总体均值服从方差相同的正态分布。所以方差分析就是研究不同水平下各个总体的均值是否有显着的差异。

统计推断方法是计算F统计量，进行F检验，总的变异平方和 SST，控制变量引起的离差SSA（Between Group离差平方和），另一部分随机变量引起的SSE（组内Within Group离差平方和），SST=SSA+SSE。

多重比较检验：单因素方差分析只能够判断控制变量是否对观察变量产生了显着影响，多重比较检验可以进一步确定控制变量的不同水平对观察变量的影响程度如何，那个水平显着，哪个不显着。

单因素方差分析多重比较有两两比较方法：

1、LSD法：实际上就是t检验的变形，只是在变异和自由度的计算上利用了整个样本信息，因此仍然存在放大一类错误的问题。

2、Scheffe法：当各组人数不相等，或者想进行复杂的比较时，用此法较为稳妥。但它相对比较保守。

3、S-N-K法：是运用最广泛的一种两两比较方法。它采用Student Range 分布进行所有各组均值间的配对比较。该方法保证在H0真正成立时总的α水准等于实际设定值，即控制了一类错误。

4、Tukey法：对一、二类问题控制得很好，首选。

5、Bonferroni法：LSD法的改进，有效控制假阳性。

④ 方差分析中方差齐性时常用的多重比较检验方法有哪些

snk，lsd，b校正，都是方差齐性的常用两两比较方法

⑤ 多重比较是指什么

多重比较是指方差分析后对各样本平均数间是否有显着差异的假设检验的统称。

方差分析只能判断各总体平均数间是否有差异，多重比较可用来进一步确定哪两个平均数间有差异，哪两个平均数间没有差异。

举例说明

比如研究者想要探究不同的受教育程度的收入情况之间是否有差异。方差分析研究结果已经表明高中、本科、硕士三种受教育程度的收入是有显着性差异的，需要进一步去探究哪两者是有差异，哪两者之间是没有差异的。

三种情况两两之间需要进行三次比较，如果采用t检验，每次比较我们犯“弃真”错误的概率是5%，那比较三次，我们累计犯“弃真”错误的概率约等于0.14。也就是说，我们在一次试验中比较的次数越多，犯一类错误的概率就越大，那也就是为什么会选择多重比较。

⑥ 在单因素方差分析中进行多重比较常用的方法是

摘要 你好，请详细描述你的问题，方便为你解答，或者你拍个照片给我也可以。

⑦ 多重比较的几种校正方法求答案

举个例子：如要在同一数据集上检验两个独立的假设，显着水平设为常见的0.05。此时用于检验该两个假设应使用更严格的 0.025。即0.05* (1/2)。该方法是由Carlo Emilio Bonferroni发展的，因此称Bonferroni校正。这样做的理由是基于这样一个事实：在同一数据集上进行多个假设的检验，每20个假设中就有一个可能纯粹由于概率，而达到0.05的显着水平。
维基网络原文：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，其出发点就是基于Bonferroni的保守性，并给出了控制FDR的方法（这算是FDR控制方法的祖师爷了）。不过他们的方法也有其保守性。所以随后人们开始研究更加powerful的方法，现有的方法有Storey的, Broberg的，Dalmasso的，Guan的，Strimmer的等等等等。Benjamini的方法是将FDR控制在一个level以下，而之后所有的方法都在试图精确地估计FDR。所以后来的这些方法都要powerful一些。不过他们所付出的代价就是robustness。据说Storey方法是最流行的FDR control procere(For details see Storey's paper published ON PNAS ,2003)。

⑧ 求助：单因素方差分析中常用多重比较，所用方法的区别

1、原理：

都是利用方差比较的方法分析，通过假设检验的过程来判断多个因素是否对因变量产生显着性影响。

2、步骤：

分析的基本步骤相同。

a、建立检验假设。

b、计算检验统计量F值。

c、确定P值并作出推断结果。

区别：

1、试验指标个数

单因素方差分析：1个。

多因素方差分析：多于1个。

2、适用范围：

单因素方差分析：是用来研究一个控制变量的不同水平是否对观测变量产生了显着影响，如考察地区差异是否影响妇女的生育率。

多因素方差分析：用来研究两个及两个以上控制变量是否对观测变量产生显着影响。分析不同品种、不同施肥量对农作物产量的影响时，可将农作物产量作为观测变量，品种和施肥量作为控制变量。

(8)多重比较常用的方法是扩展阅读：

基本分析之后的进一步分析：

1、单因素方差分析：

在完成上述单因素方差分析的基本分析后，可得到关于控制变量是否对观测变量造成显着影响的结论，接下来还应做其他几个重要分析，主要包括方差齐性检验、多重比较检验。

2、多因素方差分析：

由分析可知：广告形式与地区的交互作用不显着，先进一步尝试非饱和模型，并进行均值比较分析、交互作用图形分析。

a、建立非饱和模型。

b、均值比较分析。

c、控制变量交互作用的图形分析 。

参考资料来源：网络-单因素方差分析

网络-多因素方差分析

⑨ 用spss进行多重比较检验法选择什么方法较优

这个没有特定标准的，lsd、turkey等都可以，snk也可以
我替别人做这类的数据分析蛮多的