两组或多组间的单因素方差比较可算是科研最常用的统计方法了。

大家都耳熟能详，在SPSS中操作也非常6了。但你会发现，当数据正态且方差齐时，SPSS中存在十几种组间差异比较方法。

不同论文中的方法都不太一样。此时，到底该选哪个呢？

今天就结合教材和SPSS官方指导文件讨论一下。

由孙振球和徐勇勇大佬编写的

《医学统计学第4版》第58-59页提到以下内容：

“ 优先推荐的常用办法为LSD-t 法 、Dunnett-t 法、SNK-q法，而Bonferroni法、Sidak法、Tukey法和Scheffe法未做详细介绍。”

（一）

教材：样本均数间的多重比较不能用两样本均数比较的 t 检验所代替，这样会提高犯一类错误的概率”。

个人解读：多组间进行均数比较时，不能够单独拉出2组，然后采用配对 t检验，这样的统计是错误的。

（二）

教材：LSD-t 检验是最小显著差异检验 t 检验，适合一对或几对在专业上具有特殊意义的样本均数间的比较；LSD-t 检验与两样本 t检验截然不同，二者标准误和自由度不同。

SPSS官方文件：LSD-t 检验不对多个比较的误差率做出调整。

个人解读：

①进行多组间均数比较时，敏感度最高，能够最大限度地发现组间差异。

② LSD-t 适合在科研探索阶段用来初步验证某种趋势，而不适合过度放大其统计应用范围。因为这种不对多个比较的误差率进行调整的做法可能会让我们犯错误。

（在此基础上升级的Bonferroni校正法更加严格但认可度高，因为检验水平被校正后，一组数据能通过可能LSD-t 检验法，但可能没法通过Bonferroni校正检验，追来做验证性研究会比较合适。）

③ 由于LSD-t 检验的这种特征，在一些高分文章中应用较少。

④尽管LSD-t 检验也是进行多组间的成对比较，但是它的标准误和自由度是按照多个组来计算的，而不是单独拎出来的两个组。这是它与配对 t 检验的不同之处，两者不可混用。

（三）

教材：Dunnett-t 检验适用于g-1个实验组与一个对照组均数差别的多重比较。

SPSS官方文件：Dunnett-t 是成对多重比较 t 检验，它对照单个控制平均值来比较处理集合。

个人解读：

①Dunnett-t 采用时，必须至少存在一个对照组。因为此检验是以对照组为基础的，然后才是实验组与对照组之间的比较。

举个例子：试验共4组，其中3个实验组分别使用A/B/C三种药物，还有1个空白对照组。此时适合采用Dunnett-t 检验。而如果仅有3个实验组，无对照组，此时便不能够选择Dunnett-t 检验。

②Dunnett-t 检验的组间比较仅限于实验组与对照组之间的均数比较，而不进行实验组之间的比较。

③Dunnett-t 检验非常适合用来科研，它进行了统计校正，同时应用场景与科研最相符。推荐大家使用，但是要注意应用条件，即必须有对照组。

（四）

教材：SNK-q 法适合于多个样本均数两两之间的全面比较。

SPSS官方文件：使用 Student 化的范围分布在平均值之间进行所有成对比较。

个人解读：

①SNK-q 检验是对所有组之间进行的全面两两比较，即不论是否存在对照组或者这些组之间是否存在联系，只要是多组数据，就可以采用SNK-q 检验。

②SNK-q 检验的应用场景如下：假设存在3组不同的药物，需要比较3个药物之间疗效的差异，此时便可以选择SNK-q 法进行组间比较。

④SNK-q 检验是采用范围分布的方式对各组平均值进行比较的，这个与前面的LSD-t 法和Dunnett-t 法的统计结果呈现形式不同，结果为q值，并无P值。

⑤

SNK-q 检验水平偏低，可能存在一定的假阳性结果。但此特征也有助于在探索性研究中敏感地发现组间差异。

总之，首推以上3种方法，具体应用场景需根据实验设计来决定。

Ending

扫描关注，聊点学术