基于R语言多重比较方法.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。

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, =c（＆quot;none"，&quot；holm＆quot;，&quot；hommel", ＆quot；hochberg", "bonferroni＆quot；， &quot；BH＆quot；， "BY&quot；, &quot；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。=”none”时，为LSD法，p。adj=&quot；bonferroni＆quot；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 &lt；— （model，&quot；virus＆quot;,=&quot；" =＆quot；none＆quot； )
#结果显示：标记字母法
out$group
＃可视化
plot(out）
程序运行结果：
从运行结果看，四个处理，oo和ff处理无差异，与cc和fc彼此差异显著。下图是可视化结果.
2. Bonferroni法
它是Bonferroni校正在LSD法上的应用. &quot；bonferroni&quot；即为Bonferroni法。
R代码：
library（agricolae）
＃ sweetpotato为agricolae自带数据集
data（sweetpotato）
#进行方差分析,分组变量为virus
model
＃进行多重比较，不矫正P值
out <— （model，＆quot；virus＆quot;,=＆quot；＆quot； p。adj=&quot； bonferroni＆quot; )
＃结果显示:标记字母法
out$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("&quot；， ＆quot；less＆quot;, ＆quot；greater＆quot；）， .。.）
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 ＆lt;— glht(model，=&quot；＆quot； linfct=&quot；mcp（virus＆quot； =="＆quot； "dunnett＆quot；）,alternative=&quot；&quot； )
#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