基于R语言的多重比较方法.docx

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virusmodel#进行多重比较，不矫正P值out <- lsd.test(model,"virus",="" p.adj="none" )#结果显示：标记字母法out$group#可视化plot(out)程序运行结果：从运行结果看，四个处理，oo和ff处理无差异，与cc和fc彼此差异显著下图是可视化结果2. Bonferroni法它是Bonferroni校正在LSD法上的应用 将LSD.test中p.adj设置为"bonferroni"即为Bonferroni法R代码：library(agricolae)# sweetpotato为agricolae自带数据集data(sweetpotato)#进行方差分析，分组变量为virusmodel#进行多重比较，不矫正P值out <- lsd.test(model,"virus",="" p.adj=" bonferroni" )#结果显示：标记字母法out$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Dunnettsummary(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virusmodel#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)tukplot(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。