比較手段使用不同的方法給出不同的結果大家好，
我有一個關於在 JMP 15 中比較均值的快速問題。我的數據由兩個變量組成：
這獨立的變量是具有四個級別（高、中、低和極低）的序數變量，而因變量是連續的。
我想比較四組（高、中、低和極低）的平均值，看看它們之間是否存在統計差異。當我使用（所有對 Tukey-Cramer 方法）時，沒有統計發現差異一切手段之間。 但是，當我使用（每對學生的 t 方法）時，統計區別發現介於“非常低”和“高”水平之間。
我的問題是：
1-為什麼這兩種方法之間存在差異？
2-應該使用哪一種？
先感謝您，
分析回复：比較手段使用不同的方法給出不同的結果我相信這在文檔中有所涉及，但簡單地說，比較每對假裝您擁有的唯一數據是正在比較的每一對（即，它等效於對每對組進行子集化並單獨測試差異） .Tukey HSD 考慮到您正在進行多重比較，並確保 1 類錯誤的概率反映了對之間差異測試的總體情況。因此，如果您進行 100 次測試（要比較的多個組），即使您在每個成對測試中發現 p<.05，其中一些測試也很有可能會產生類型 1 錯誤。Tukey 的限制要大得多（而且越多，您擁有的組越多），因為每個成對測試都受到更嚴格的審查，以確保您出現 1 類錯誤的總體概率涵蓋您將進行的所有測試。
兩兩比較幾乎肯定是太鬆懈了。但是對於許多團體，我發現 Tukey 可能過於嚴格了。兩者都值得做——當結果在質量上不同時，對你的結論保持謙虛（至少比兩種方法給出相同的定性結論時更謙虛）。
回复：比較手段使用不同的方法給出不同的結果你好@破冰船,
作為@dale_lehman解釋說，Tukey 通過將總體第一類錯誤保持在 5% 來控制多重比較。 此外，它假設各組之間的方差相等。
在這種情況下，我將使用 Bonferroni 校正再次執行比較測試。 為此，將 5%（或您希望允許的任何類型的錯誤）除以您擁有的成對比較的數量（4 個不同類別的 6 個）。 在運行模型之前，在擬合模型平台的紅色三角形中，將 alpha 級別設置為新值 (0.008)。 然後執行 t 檢驗多重比較並再次檢查結果。
最重要的是，我建議您檢查成對比較表，並問自己每對重要的對是否也有有意義的不同 - 該組是否意味著您在現實世界中有所不同。 如果您看到兩個具有兩個不同值的觀察結果，您是否可以說它們有很大不同，並且認為它們無關緊要並不能達到研究的目的。 我發現令人驚訝的是，有這麼多人在報告重要性時並不確定情況是否如此。
