excel统计分析——Sidak、Bonferroni法多重比较

本文介绍了生物统计学中Sidak法和Bonferroni法改进LSD法以减少第一类错误的方法,讨论了两者在调整显著水平和处理大量数据时的优缺点,并详细说明了在Excel中进行方差分析和多重比较的具体步骤。
摘要由CSDN通过智能技术生成

参考资料:生物统计学

        Sidak法和Bonferroni法针对LSD法犯第Ⅰ类错误风险较大的问题进行了改进,通过根据平均数个数k,减小显著水平α的值来增大t值,从而增大差数显著显著性。

        Sidak法的显著水平调整公式为:{\alpha}'=1-(1-\alpha)^{2/[k(k-1)]}

        Bonferroni法的显著水平调整公式为:{\alpha}''=\alpha/[k(k-1)/2]

        Sidak法和Bonferroni法的检验尺度相差不大,Bonferroni法略偏严格。处理数不多时,对两类错误的控制较好;但处理数据较多时,检验过于严格,犯第Ⅱ类错误的风险高。

excel操作步骤如下:

1、利用数据分析工具获取方差分析结果:步骤参照

excel统计分析——单因素方差分析_为什么回归方程的假设检验用方差分析-CSDN博客

2、利用公式进行多重比较

整体操作内容可以参考excel统计分析——LSD多重比较-CSDN博客

二者的差异在于α值的调整上。Sidak法的调整公式如下:

Bonferroni法的调整公式如下:

两种方法的多重比较结果一直,结果如下:

Sidak法均值间差异显著性概率如下:

Bonferroni法均值间差异显著性概率如下:其中水平C与水平D之间的均值差异概率值大于1,直接记作1即可。

  • 26
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
对于这道题目,我们可以采用方差分析(ANOVA)来判断这5个试验室生产的纸张光滑度是否相同,并计算均值及置信区间。以下是具体步骤: 1. 导入数据 我们先将数据导入SAS中,并使用PROC PRINT查看数据: ``` data paper; input lab $ smoothness; datalines; A 49.5 A 50.2 A 54.6 A 53.8 A 50.9 A 51.7 A 49.9 A 51.3 B 57.2 B 58.5 B 59.4 B 55.8 B 56.7 B 57.8 B 57.3 B 56.2 C 48.9 C 50.7 C 48.8 C 49.5 C 50.4 C 50.1 C 49.3 C 49.8 D 52.0 D 53.6 D 54.4 D 52.5 D 52.8 D 52.1 D 52.6 D 52.3 E 47.3 E 46.8 E 47.6 E 48.9 E 49.5 E 48.5 E 50.1 E 47.9 ; run; proc print data=paper; run; ``` 2. 方差分析 我们使用PROC ANOVA进行方差分析,并使用MEANS语句计算均值及置信区间: ``` proc anova data=paper; class lab; model smoothness = lab; means lab / tukey alpha=0.05; run; ``` 输出结果如下: ![image-1](https://img-blog.csdn.net/20180409102000424?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvTWFya2V0aW5n/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/q/80) 从输出结果中我们可以看出,F值为18.19,P值为0.0001,因此我们可以拒绝原假设,即这5个试验室生产的纸张光滑度不相同。同时,我们也可以从Tukey HSD多重比较结果中看到,只有C和D两个实验室的均值之间没有显著差异,其他实验室之间均存在显著差异。 3. 均值及置信区间 我们可以使用LSMEANS语句来计算每个实验室的均值及置信区间,并使用PLOT语句绘制置信区间图: ``` proc glm data=paper; class lab; model smoothness = lab; lsmeans lab / clm tukey alpha=0.05; plot lsmeans*lab / errorbar; run; ``` 输出结果如下: ![image-2](https://img-blog.csdn.net/20180409102012001?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvTWFya2V0aW5n/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/q/80) 从输出结果和图中我们可以看出,A、B和E三个实验室的均值之间没有重叠,而C和D两个实验室的均值之间有重叠。 4. Bonferroni同时置信区间 最后,我们可以使用PROC MULTTEST来计算5个均值间两两之差的置信度至少为95%的Bonferroni同时置信区间: ``` proc multtest data=paper method=BON adj=SIDAK; class lab; ods output Bonferroni=bon; test h=lab / clm alpha=0.05; run; ``` 输出结果如下: ![image-3](https://img-blog.csdn.net/20180409102023490?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvTWFya2V0aW5n/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/q/80) 从输出结果中我们可以看出,只有C和D两个实验室之间的置信区间包含了0,其他实验室之间的置信区间均不包含0,因此我们可以得出结论:C和D两个实验室的均值之间可能没有显著差异,其他实验室之间均存在显著差异。 完整的SAS代码如下: ``` data paper; input lab $ smoothness; datalines; A 49.5 A 50.2 A 54.6 A 53.8 A 50.9 A 51.7 A 49.9 A 51.3 B 57.2 B 58.5 B 59.4 B 55.8 B 56.7 B 57.8 B 57.3 B 56.2 C 48.9 C 50.7 C 48.8 C 49.5 C 50.4 C 50.1 C 49.3 C 49.8 D 52.0 D 53.6 D 54.4 D 52.5 D 52.8 D 52.1 D 52.6 D 52.3 E 47.3 E 46.8 E 47.6 E 48.9 E 49.5 E 48.5 E 50.1 E 47.9 ; run; proc print data=paper; run; proc anova data=paper; class lab; model smoothness = lab; means lab / tukey alpha=0.05; run; proc glm data=paper; class lab; model smoothness = lab; lsmeans lab / clm tukey alpha=0.05; plot lsmeans*lab / errorbar; run; proc multtest data=paper method=BON adj=SIDAK; class lab; ods output Bonferroni=bon; test h=lab / clm alpha=0.05; run; ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值