Tian CHEN, Manfei XU, Jus ti n TU, Hongyue WANG, Xiaohui NIU

1.背景

组间比较是大多数生物医学和社会心理学研究中常见的问题。 在许多研究中，有两个以上的组，在这种情况下，两个（独立）组的 t 检验不再适用，必须使用比较两个以上组的模型，例如方差分析ANOVA模型[1]。 比较两个以上的组时，我们采用分层分析的方法。在这种方法下，首先进行全局检验，检验的零假设为各组之间无显著性，即所有组具有相同的均值。如果这个检验没有统计学意义，那么在数据中没有证据表明可以拒绝零假设，然后结论可以认为没有证据表明组间有差异。否则，执行事后检验以找出差异来源。

在事后检验过程中，我们对各组进行两两比较，并找到有显著差异的所有组别。这种分层分析方法的前提是，如果全局检验是有显著性的，那么至少存在两个组之间是有显著差异的，反之亦然。

分层分析方法在基础和高级统计课程中均有教授，并且内置于许多流行的统计软件包中。例如，当执行方差分析（ANOVA）模型来比较多个组时，全局检验由F统计进行[1]。 对于事后检验，可以使用一些特殊的程序，如 Tukey’s 和 Scheffe’s 检验[1]。执行事后检验需要进行特殊的统计检验，因为在执行多重检验以识别具有不同均值的组别时，出现 I 类错误的可能性会增加。Tukey’s，Scheffe’s 和其他事后检验都进行了这种多重比较的调整，以确保多重检验中具有正确的 I 类错误概率。

然而，在实践中，当全局检验是有显著性时，似乎常常没有任何事后检验是有统计学意义的。反过来也是如此; 虽然一些事后检验是有显著性的，但全局检验差异并不显著。……