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、t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。

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,,其调用格式为:
(y, trt, DFerror, MSerror, alpha = , =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,。=”none”时,为LSD法,="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 <- (model,"virus",="" ="none" )
#结果显示:标记字母法
out$group
#可视化
plot(out)
程序运行结果:
从运行结果看,四个处理,oo和ff处理无差异,与cc和fc彼此差异显著。下图是可视化结果。
2. Bonferroni法
它是Bonferroni校正在LSD法上的应用。"bonferroni"即为Bonferroni法。
R代码:
library(agricolae)
# sweetpotato为agricolae自带数据集
data(sweetpotato)
#进行方差分析,分组变量为virus
model
#进行多重比较,不矫正P值
out <- (model,"virus",="" =" bonferroni" )
#结果显示:标记字母法
out$group
#可视化
plot(out)
运行结果与LSD法类似,不再展示。
3. t检验
用于多个试验组与一个对照组间的比较。p包中的glht()t