基于R语言的多重比较方法.doc

完美WORD格式 整理分享 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(quot;nonequot;,quot;holmquot;,quot;hommelquot;, quot;hochbergquot;, quot;bonferroniquot;, quot;BHquot;, quot;BYquot;, quot;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=quot;bonferroniquot;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;- lsd.test(model,quot;virusquot;,=quot;quot; p.adj=quot;nonequot; ) #结果显示：标记字母法 out$group #可视化 plot(out) 程序运行结果： 从运行结果看，四个处理，oo和ff处理无差异，与cc和fc彼此差异显著。下图是可视化结果。 2. Bonferroni法 它是Bonferroni校正在LSD法上的应用。 将LSD.test中p.adj设置为quot;bonferroniquot;即为Bonferroni法。 R代码： library(agricolae) # sweetpotato为agricolae自带数据集 data(sweetpotato) #进行方差分析，分组变量为virus model #进行多重比较，不矫正P值 out lt;- lsd.test(model,quot;virusquot;,=quot;quot; p.adj=quot; bonferroniquot; ) #结果显示：标记字母法 out$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;two.sidedquot;, quot;lessquot;, quot;greaterquot;), ...) 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(virusquot; ==quot;quot; quot;dunnettquot;),alternative=quot;two.sidequot; ) #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 Ran