使用不同方法比较均值会得出不同结果大家好，
我有一个关于比较 JMP 15 中均值的简单问题。我的数据由两个变量组成：
这独立的变量是一个有四个级别（高、中、低和极低）的有序变量，而因变量是连续的。
我想比较四组（高、中、低和非常低）的平均值，看看它们之间是否存在统计差异。当我使用（所有对Tukey-Cramer方法）时，没有统计发现差异一切手段之间。 然而，当我使用（每对学生的 t 方法）时，统计不同之处发现在“非常低”和“高”水平之间。
我的问题是：
1-为什么两种方法之间存在差异？
2- 应该使用哪一个？
先感谢您，
高级统计建模数据混合和清理质量和工艺工程回复：使用不同的方法进行比较会得到不同的结果我的意思是要求学生的 t 检验及其有序差异报告。 如下图所示。
回复：使用不同的方法进行比较会得到不同的结果谢谢@dale_lehman为您详细回复。
回复：使用不同的方法进行比较会得到不同的结果嗨@iron_horne，
感谢您的反馈意见，
我已经按照您的解释进行了 Bonferroni 校正。但我不明白执行 t 检验多重比较是什么意思？那是所有配对吗，Tukey HSD？
回复：使用不同的方法进行比较会得到不同的结果你好@破冰船,
作为@dale_lehman解释说，Tukey 通过将总体第一类错误保持在 5% 来控制多重比较。 此外，它假设各组之间的方差相等。
在这种情况下，我将使用 Bonferroni 校正再次执行比较测试。 为此，将 5%（或您希望允许的任何类型 I 错误）除以您拥有的成对比较的数量（6 个代表 4 个不同的类别）。 在运行模型之前，在拟合模型平台的红色三角形中将 alpha 级别设置为新值 (0.008)。 然后进行t检验多重比较并再次检查结果。
最重要的是，我建议您检查成对比较表，并询问自己每个重要的配对是否也有有意义的不同 - 该组是否意味着您在现实世界中具有不同。 如果您看到具有两个不同值的两个观察结果，您是否可以说它们有很大不同，并且认为它们无关紧要并不符合研究的目的。 我发现令人震惊的是，有这么多人在报告重要性时并不确定情况是否如此。
回复：使用不同的方法进行比较会得到不同的结果我相信文档中已对此进行了介绍，但简单来说，比较每对假装您拥有的唯一数据是正在比较的每对（即，相当于对每对组进行子集化并单独测试差异） 。Tukey HSD 考虑到您正在进行多重比较，并确保 1 类错误的概率反映了对之间差异的测试的总体情况。因此，如果您进行 100 次测试（需要比较许多组），即使您在每个成对测试中发现 p<0.05，其中一些测试也很有可能会产生 1 类错误。Tukey 的限制性更强（组越多，限制越多），因为每个成对测试都要受到更严格的审查，以确保 1 类错误的总体概率涵盖您将进行的所有测试。
成对比较几乎可以肯定是太宽松了。但我发现图基对许多团体的限制可能过于严格。两者都值得做 - 当结果在质量上不同时，对你的结论保持谦虚（至少比两种方法给出相同的定性结论更谦虚）。
