在用R语言做统计分析时，有时会涉及到多组之间的均数、频数比较。TableOne给我们提供了多组间整体的比较方法（Default ...）

在做组间的比较时有几种常用的方法，根据实验设计的不同合理选择不同方法才是正解！

Show time！

> 先来看一个数据示例

data <- data.test

其中 A B C 是分类变量， D E F是连续变量。我们先用TableOne来做一下基本的统计：

library(tableone)
var <- c('A', 'B', 'C', 'D', 'E', 'F')
result <- CreateTableOne(data.yazhou, vars = var, strata = 'group')

result2 <- print(result)

结果给出了多组间整体的比较，接下来介绍多重比较的方法

1. LSD检验

是t检验的简单变形，对多组间的均数做检验。

用法：加载agricolae包，使用LSD.test。语法为：LSD.test(y, trt, DFerror, MSerror, alpha = 0.05, p.adj=c("none","holm","hommel", "hochberg", "bonferroni", "BH", "BY", "fdr"), …)

实例：

library(agricolae)

model <- aov(jinzhongpin ~ group, data.yazhou) # 先进行方差分析

summary(model)

out <- LSD.test(model, "group", p.adj = "none" ) # 进行多重比较，不矫正P值

out$groups # 查看每个组的label

plot(out) # 可视化展示

注：将LSD.test中p.adj设置为"bonferroni"即为bonferroni检验法， 意用bonferroni法矫正p值。

2. Dunnett检验

适用于多个试验组于一个对照组的比较。

用法：加载multcomp包， 使用glht()函数。语法为：glht(model, linfct, alternative = c("two.sided", "less", "greater"), ...)

其中linfct可以设置比较的分组变量以及检验方法。

实例：

# Dunnett test
library(multcomp)
model <- aov(D ~ group, data.yazhou)
rht <- glht(model, linfct = mcp(group = 'Dunnett'), alternative = 'two.side')

summary(rht)

3. Turkey检验

使用t test进行组间所有成对比较。

用法：TukeyHSD函数，语法：TukeyHSD(model)

实例：

model <- aov(D ~ group, data.yazhou)

tuk <- TukeyHSD(model)

4. SNK法（Student-Newman-Keuls）

实质上是根据预先制定的准则将各组均数分为多个子集, 利用Studentized Range分布来进行假设检验。推荐优先用Tukey检验

SNK法可用agricolae包中的SNK.test()函数实现，其调用格式为：

SNK.test(y, trt, alpha = 0.05, …) 

其中y为方差分析对象，trt为要进行多重比较的分组变量

实例

library(agricolae) 

data(sweetpotato) 

model <- aov(D ~ group, data.yazhou)

out <- snk.test(model,"group")

out$group 

plot(out) 

程序运行结果与LSD.test类似。

5.Duncan法(新复极差法)（s-s-r）

指定一系列的“range”值，逐步进行计算比较得出结论。

Duncan法可用agricolae包中的duncan.test()函数实现，语法为：

duncan.test(y, trt, …) 

实例：

model <- aov(D ~ group, data.yazhou)

out <-duncan.test (model,"group")

out$group 

plot(out) 

程序运行结果与LSD.test类似。

6. Scheffe检验

为均值的所有可能的成对组合执行并发的联合成对比较。使用F取样分布。可用来检查组均值的所有可能的线性组合，而非仅限于成对组合。Scheffe检验特点：

各组样本数相等或不等均可以，但是以各组样本数不相等使用较多；

如果比较的次数明显地大于均数的个数时，Scheffe法的检验功效可能优于Bonferroni法

Scheffe法可用agricolae包中的scheffe.test()函数实现，语法为：

duncan.test(y, trt, …) 

实例：

out <-scheffe.test (model,"virus")

out$group 

plot(out) 

程序运行结果与LSD.test类似。