多重比较
方差分析(方差分析)技术测试一组群是否意味着(治疗效果)是相等的。拒绝零假设导致的结论是,并不是所有的组织方式是相同的。这个结果,但没有提供进一步的信息的组织方式是不同的。
进行一系列的t测试,以确定这双意味着不推荐是明显不同的。当您执行多个t测试,意味着出现的概率显著和显著性差异的结果可能是由于大量的测试。这些t测试使用相同的数据样本,因此它们不是独立的。这一事实使它更难以量化对多个测试水平的意义。
假设在一个t以及,零假设的概率(H0)被拒绝时真的是一个小值,0.05说。还假设您进行六个独立t测试。如果每个测试的显著性水平为0.05,那么正确的概率测试失败拒绝H0,当H0适用于每一种情况下,(0.95)6= 0.735。和的概率的一个测试错误拒绝零假设是1 - 0.735 = 0.265,远高于0.05。
为了弥补多个测试,您可以使用多重比较程序。的multcompare
函数执行多个组两两比较的手段,或治疗效果。选择图基的诚实的显著差异标准(默认选项),Bonferroni方法,矫正的过程中,费舍尔最显著差异(LSD)方法,和Dunn & Sidak的方法t以及。功能还支持Dunnett的测试执行多万博1manbetx个比较对照组。
执行组的多个比较手段,提供结构统计数据
作为一个输入multcompare
。你可以获得统计数据
从一个下面的功能:
为多个比较程序的选项重复措施,明白了multcompare
(RepeatedMeasuresModel
)。
多个使用单向方差分析比较
加载示例数据。
负载carsmall