SNK法、LSD法以及Dunnett-t检验区别是什么?
发布网友
发布时间：2022-04-24 17:49
共1个回答
热心网友
时间：2023-10-28 05:50
，亦称q检验，适用于多个均数的两两比较，常用于探索性研究。
只告诉有无差异，不提供精确p值。
lsd为最小显著差异（least
significant
difference）t检验。适用于某一对或几对在专业上有非凡价值的均数间差别的比较。
提供p值。
“课本上在进行两两比较用的是snk，但是有人认为snk出现假阳性的机率高。进行两两比较的时候，假如是验证性研究用bonferroni(lsd)比较好，假如是探索性研究且各组人数相同用turkey法较好，其他的用scheffe较好”
没搞清楚这两者在使用时的差别，请问高手能否通俗的讲讲，附带实例更好
似乎是lsd法得出的p值稍小，在p值接近0.05的时候，比较轻易得出有统计学差异，而snk方法得出的p值比较保守，相对不易得出p小于0.05。
似乎是lsd法得出的p值稍小，在p值接近0.05的时候，比较轻易得出有统计学差异，而snk方法得出的p值比较保守，相对不易得出p小于0.05。
等待高手的解答。
lsd是最灵敏的，轻易出现假阳性结果crust版：
一般多个均数间的两两比较我们都用q检验。lsd一般用于设计的时候已经确定的某些组之间的比较（如a和b，c和d），而其他组间不必进行比较。假如所有组间都要比较用lsd的话会增加第一类错误的概率。
另外，nnett法则适用于多个实验组均数与对照组均数间的比较。
evolution版：
lsd
<
ssr
<
q法
多重检验多使用q法。
lsd本质上是稍作改进的t检验，即将原来两两比较的不同标准误换成统一的标准误，所以累积i型错误概率的问题依然没有摆脱。因此，假如实际分析中一定要用这个简单的检验法，可以通过bonferroni
校正法将显著性水准调小到积累i型错误概率不超过单比较时的水准。谢谢shiqingsun，evolution，csust，新新手等诸位斑竹的解答
稍微准确一点说，bonferroni只是把cutoff
value除以检验次数，也就等同于把p值乘以检验次数并truncate到0-1之间。好处是这样做错误率永远都可以控制住；问题时通常实在效能太低了，特别是检验成千上万个假设的时候，校正后的p值经常是一大片1。
lsd通过两步来控制错误率，如果所有均值都相等，那么错误率可以控制住；如果不全相等，则lsd未必可以控制住错误率。优点是简单，啥都不用动就可以用；缺点是基本上很少出现所有均值都相等的情况，所以没啥用。
