基于R语言的多重比较方法.doc

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", "fdrquot;), …)
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 <- 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。