-1

我创建了以下示例来比较这两个函数pairwise.t.test()和TukeyHSD()

x <- c(10,11,15,8,16,12,20)
y <- c(10,14,18,25,28,30,35)
z <- c(14,19,35,18,17,16,25)

d <- c(x,y,z)
f <- as.factor(c(rep("a",7), rep("b",7), rep("c",7)))

pairwise.t.test(d, f)
TukeyHSD(aov(d ~ f))

这两个测试的 p 值不同是否正常？有没有办法在两个或一个测试中调整参数以使 p 值更相等？

此外，似乎没有参数var.equal，因为这t.test()两个测试都是如此。这是真的吗？

4

2 回答 2

2

从 TukeyHSD 的帮助页面：

在方差分析中比较因子水平的均值时，使用 t 检验的简单比较会夸大在实际上不存在显着差异时宣布显着差异的概率。这是因为区间是使用每个区间的给定覆盖概率计算的，但覆盖的解释通常是针对整个区间族的。

TukeyHSD 测试是一个不同的测试，根据上面的评论，我一般预计它会给出更高的 p 值。话虽如此，对于您提供的数据，出于推理目的，p 值在我看来并没有太大的不同。

于 2012-08-06T08:37:16.527 回答
2

pairwise.t.test 根据六种方法之一调整 p 值以调整多重比较（有关详细信息，请参阅 ?p.adjust）。要获得单独的标准差估计值而不是合并标准差，请使用 pool.SD=FALSE 参数。在方差分析中没有可比的选项，这是您传递给 TukeyHSD() 函数的内容。

于 2012-08-07T02:50:55.043 回答