通过“用 X 拟合 Y”与“响应筛选”获得的不同 p 值你好：
我有一组数据集，包含三组/条件（第 1 组：5 个观察值，第 2 组：6 个观察值，第 3 组：4 个观察值）中的 15 个观察值，约有 3,000 个基因（变量），我想对这 3 个组中的这些基因进行方差分析和事后检验：
我尝试了“响应筛选”并获得了 3,000 个基因的方差分析的 p 值，然后通过单击“显示均值差异”并右键单击“列”来显示这些 p 值，从而获得了比较不同组（即组 3/组 1、组 2/组 1）之间观察结果的相应 p 值。
我的问题是：当我使用“以 X 拟合 Y”测试单个变量时，我得到了相同的方差分析 p 值；但是，当我进行事后检验 (Tukey-HSD/Tukey-Kramer) 时，我得到了组间比较的不同 p 值。这些值与从“响应筛选”获得的值不同。为什么？
“响应筛选”中组间比较的 p 值是如何确定的？我猜它们是从某种事后检验中得出的？
非常感谢您的帮助！
基础数据分析与建模回复：通过“X 拟合 Y”与通过“响应筛选”获得的不同 p 值嗨@FactorLevelFox5 ，
欢迎加入社区！
Tukey-Kramer检验是一种针对多重比较的调整检验：“此方法可保护所有成对组合的检验的总体显著性水平。”
当您定义置信水平（例如 0.95）时，它针对的是一次比较，而不是针对研究中涉及的所有比较。在您的示例中，由于您有 3 个组，因此您可以进行 3 次可能的配对比较：组 1 与 2，组 1 与 3，组 2 与 3。因此，所有比较的总体置信水平将等于 0.95^3 = 0.857。
这意味着，如果没有 Bonferroni 或 Tukey-Kramer 等 p 值调整技术，您的总体置信水平将在 0.86 左右，因此您可能会预期到比考虑的更多的假阳性（风险为 14% 而不是 5%）。
使用调整技术时，计算会略有不同，因此您可能会期望 p 值更高（与未调整的测试相比），因为它考虑了您正在进行的总比较次数，并且进行调整是为了最大限度地降低在没有统计差异的情况下发现组间存在统计差异的风险。
希望这能澄清发现的差异，
回复：通过“X 拟合 Y”与通过“响应筛选”获得的不同 p 值感谢您的快速回复！那么，“均值差异”（响应筛选）中的 p 值只是 t 检验（而不是方差分析后的事后检验）？
如果是这样，有没有办法获得响应筛选中事后分析的 p 值？
再次感谢！
回复：通过“X 拟合 Y”与通过“响应筛选”获得的不同 p 值嗨@FactorLevelFox5 ，
查看 JMP 的帮助部分，您可以看到响应筛选平台中的 p 值是通过学生t检验进行成对比较获得的： 均值差异数据表
但是，您还可以看到一列“FDR p 值”，这些值是使用相同测试获得，但使用错误发现率技术对多次比较进行了校正： 响应筛选平台的统计详细信息
您可以在此处阅读有关此技术的更多信息： Benjamini, Y. 和 Hochberg, Y. (1995)。“控制错误发现率：一种实用而有效的多重测试方法。” 《皇家统计学会杂志》 ， B 系列57：289-300 或控制错误发现率：一种实用而有效的多重测试方法
错误发现率不属于“以 X 拟合 Y”中校正测试选项的一部分，因为两个平台提出的校正重点略有不同：
- 在“以 X 拟合 Y”中，对于具有多组的分类变量 X 和连续变量 Y，可能需要进行多重检验校正，因为您将以非独立的方式测试每种可能的组合：对于同一变量 X，每对组之间可能存在的响应差异。
- 在“响应筛选”中，当您调查许多独立 XY 关系的统计意义时，可能需要进行多重检验校正。
希望这个答案能够澄清该平台的报告和使用情况，
