内容发布更新时间 : 2024/11/10 6:11:15星期一 下面是文章的全部内容请认真阅读。
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virus model
#进行多重比较，不矫正P值 out <-
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：
lsd.test(model,"virus",=""
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)