滨州医学院(264003) 孙红卫 王 玖 韩春蕾

在实际工作中，经常要用Kruskal-Wallis检验对多于2组的数据进行比较，如果有统计学意义，需要采用非参数的多重比较方法(multiple comparison procedures，MCP)来鉴别到底哪两组有差异。相比参数检验的MCP，非参数MCP研究较少，提供的方法不多，且统计软件没有直接调用的过程可供实现。本文收集了在实际中常常采用的5种非参数MCP，用Monte-Carlo模拟来考察这些方法的第一、二类错误和判对率，并对实际中应用MCP提出建议。

非参数多重比较方法

1.Dunn_z

这是Dunn〔1〕在1964年提出的一种用于非参数多重比较的方法。第i组和第j组进行比较的统计量为:

z服从正态分布。要对检验水准进行调整，α'=2α/k(k-1)，z与za'比较。为两对比组中第i组、第 j组的平均秩和;ni、nj为 i组、j组的样本含量;N为总例数。

2.扩展的t检验法

扩展的t检验法是卫生统计学第6版教材〔2〕中介绍的方法。第i组和第j组进行比较的统计量为:

t服从自由度为N-k的t分布。其中，Ri、Rj、ni、nj、N的意义同上，k为组数，H为Kruskal-Wallis检验所得的统计量。这种方法也需要编程实现。

3.秩次转换之后的LSD(R_LSD)、SNK(R_SNK)和Bonferroni(R_BON)

Conover和 Iman〔3〕认为，对于非参数多重比较的问题，可以对数据取秩次之后，再对秩次用参数多重比较的方法来解决。这也是实际工作中经常采用的方法。本文考察了R_LSD，R_SNK和R_BON三种方法的性能。

在以上五种方法中，经过证明，R_LSD与扩展的t检验法是等价的。所以，本文主要考察了四种非参数多重比较方法，即Dunn_z，R_LSD，R_SNK和R_BON。

评价指标

理想的多重比较方法不但控制第一类错误在一定的检验水准下，而且能够尽量减少第二类错误，提高检验效能。……