基于R语言的七种多重比较方法

一花视界

百家号10-1403:18

多重比较的方法很多，根据试验设计的目的不同有不同的应用。

若试验设计之初，便明确要比较某几个组均数间是否有差异，称为事前比较。常用的事前比较方法有LSD、Bonferroni和Dunnett法。

若研究目的是方差分析有统计学差异后，想知道哪些组间的均数有差异，便是事后比较。事后比较的常用方法有SNK、Turkey、Scheffe和Bonferroni法。 本文仅介绍7种方法及R语言函数，可解决绝大部分多重比较问题。 1.LSD法

LSD法即最小显著差法；该法一般用于计划好的多重比较。它其实只是t检验的一个简单变形，并未对检验水准做出任何校正，只是为所有组的均数统一估计了一个更为稳健的标准误。

LSD法比较效果较为灵敏，在R语言中可利用agricolae包中的LSD.test函数实现，其调用格式为：

LSD.test(y, trt, DFerror, MSerror, alpha = 0.05, p.adj=c("none","holm","hommel", "hochberg", "bonferroni", "BH", "BY", "fdr"), …)

其中y为方差分析对象，trt为要进行多重比较的分组变量，p.adj可以选定P值矫正方法。当p.adj=”none”时，为LSD法，p.adj="bonferroni"时为Bonferroni法。 R代码： library(agricolae)

# sweetpotato为agricolae自带数据集 data(sweetpotato)

#进行方差分析，分组变量为virus model

#进行多重比较，不矫正P值 out <-

p.adj="none" ) #结果显示：标记字母法 out$group #可视化 plot(out) 程序运行结果：

lsd.test(model,"virus",=""

从运行结果看，四个处理，oo和ff处理无差异，与cc和fc彼此差异显著。下图是可视化结果。

2. Bonferroni法

它是Bonferroni校正在LSD法上的应用。将LSD.test中p.adj设置为"bonferroni"即为Bonferroni法。 R代码： library(agricolae)

# sweetpotato为agricolae自带数据集 data(sweetpotato)

#进行方差分析，分组变量为virus model

#进行多重比较，不矫正P值 out<-

lsd.test(model,"virus",=""

p.adj="

bonferroni" ) #结果显示：标记字母法 out$group #可视化 plot(out)

运行结果与LSD法类似，不再展示。 3. Dunnett检验

用于多个试验组与一个对照组间的比较。R语言中可利用multcomp包中的glht()函数进行包括Dunnett检验在内的多种检验，其调用格式为：

glht(model, linfct, alternative = c("two.sided", "less", "greater"), ...)

其中model为方差分析对象，linfct设置要进行多重比较的分组变量和方法。 R代码： library(multcomp)

rht<- glht(model,="" linfct="mcp(virus" =="" "dunnett"),alternative="two.side" )

#model是方差分析对象 #virus是分组变量 #方法为Dunnett summary(rht) #可视化 plot(rht) 程序运行结果：

结果表明：三个处理均与对照cc差异显著。下图为可视化结果：

4. SNK法（Student-Newman-Keuls）

实质上是根据预先制定的准则将各组均数分为多个子集, 利用Studentized Range分布来进行假设检验。推荐优先用Tukey检验

SNK法可用agricolae包中的SNK.test()函数实现，其调用格式为： SNK.test(y, trt, alpha = 0.05, …)

其中y为方差分析对象，trt为要进行多重比较的分组变量 R代码： library(agricolae)

# sweetpotato为agricolae自带数据集 data(sweetpotato)

#进行方差分析，分组变量为virus model

#进行多重比较，不矫正P值

out<- snk.test(model,"virus") #结果显示：标记字母法 out$group #可视化 plot(out)

程序运行结果与LSD.test类似。 5. Turkey检验

使用学生化的范围统计量进行组间所有成对比较。Tukey的检验特点： 所有各组的样本数相等； 各组样本均数之间的全面比较； 可能产生较多的假阴性结论。

R中Turkey检验检验的函数为TukeyHSD(model)，其调用格式为： TukeyHSD(model)

其中model为方差分析对象 R代码：

tuk=TukeyHSD(model) tuk plot(tuk) 程序运行结果：

可视化结果：

6.Duncan法(新复极差法)（SSR）

指定一系列的“range”值，逐步进行计算比较得出结论。

Duncan法可用agricolae包中的duncan.test()函数实现，其调用格式为： duncan.test(y, trt, …)

其中y为方差分析对象，trt为要进行多重比较的分组变量 R代码：

# model为方差分析对象

out<-duncan.test (model,"virus") #结果显示：标记字母法 out$group #可视化 plot(out)

程序运行结果与LSD.test类似。 7. Scheffe检验

为均值的所有可能的成对组合执行并发的联合成对比较。使用F取样分布。可用来检查组均值的所有可能的线性组合，而非仅限于成对组合。Scheffe检验特点：

各组样本数相等或不等均可以，但是以各组样本数不相等使用较多；

如果比较的次数明显地大于均数的个数时，Scheffe法的检验功效可能优于Bonferroni法

Scheffe法可用agricolae包中的scheffe.test()函数实现，其调用格式为： duncan.test(y, trt, …)

其中y为方差分析对象，trt为要进行多重比较的分组变量 R代码：

# model为方差分析对象

out<-scheffe.test (model,"virus")

#结果显示：标记字母法 out$group #可视化 plot(out)

程序运行结果与LSD.test类似。