“三向方差分析”对话框的“选项”选项卡有两个帮助屏幕：
•本页介绍多重比较选项。
•另一页面则介绍了图形和输出选项。
多重比较方法
使用统计假设检验对多重比较进行校正
其中部分方法允许计算置信区间和经多重性校正的P值，而部分方法则不支持。我们推荐使用能够计算置信区间和经多重性校正的P值的检验方法，原因有二：
•对于大多数人来说，置信区间比关于统计学显著性的陈述更容易解读。
•经多重性校正的P值所提供的信息，比单纯知道差异是否被认为统计学显著更为丰富。
可计算置信区间和多重性校正P值的方法
此对话框第五个选项卡中可用的检验列表依赖于您在第四个选项卡中指定的目标。
•如果您要将每一行（或列）的均值与其他所有行（或列）的均值进行比较，我们建议使用 Tukey 检验。
•如果您要将对照行（或列）的均值与其他行（或列）的均值进行比较，我们建议使用邓内特检验。
•如果您要进行一组独立比较，我们建议使用 Sidak 法，该方法与 Bonferroni 法非常相似，但功效略高一些。
无法计算置信区间或多重性校正 P 值的方法
如果您不关心查看和报告置信区间，选择这些检验中的任意一种可以获得稍高的功效。对话框第三个选项卡中可用的检验列表依赖于您在第二个选项卡中指定的目标。
•如果您要将每一行或列的均值与其他所有行或列的均值进行比较，我们建议您选择霍姆-希达克检验，该方法的功效高于图基法 (3)。 这意味着，对于某些数据集，霍尔姆-希达克法能够发现图基法无法发现的统计学显著差异。 出于历史原因（以便能够打开用旧版本 Prism 创建的文件），我们提供了纽曼-库尔斯（Newman-Keuls）检验，但建议您避免使用该方法，因为它无法将家族错误率维持在指定水平(1)。在某些情况下，Ⅰ类错误的概率可能会超过您指定的α水平。
•如果您是将每列的均值与对照组均值进行比较，Prism 仅提供 Holm-Šídák 检验。Glantz 指出，Holm 检验的功效应高于 Dunnett 检验，但据他所知，这一点尚未得到深入探讨(2)。
•如果您要进行一系列独立比较，Prism 仅提供 Holm-Šídák 检验
通过控制错误发现率对多重比较进行校正
Prism 提供了三种控制错误发现率的方法。所有方法都决定将哪些（如有）比较标记为“发现”，并确保错误发现率控制在您输入的值 Q 之下。
FDR方法虽不常作为方差分析（ANOVA）的后续检验，但并没有充分的理由支持这种做法。
不进行多重比较校正。每次比较均独立进行
如果您选择此方法，Prism 将执行费舍尔最小显著差（LSD）检验。
这种方法（费舍尔 LSD）在检测差异方面具有更强的功效。但它更可能错误地得出差异在统计学上显著的结论。 当进行多重比较校正时（费舍尔LSD法不进行此操作），显著性阈值（通常为5%或0.05）适用于整个比较族。而使用费舍尔LSD法时，该阈值则分别适用于每次比较。
只有在有充分理由的情况下才应使用费舍尔LSD方法，并在报告结果时务必详细说明所采用的具体方法。
多重比较
交换比较方向
此选项的唯一作用是改变所有报告的均值差异的正负号。若勾选此选项，2.3的差异将变为-2.3；若勾选此选项，-3.4的差异将变为3.4。这纯粹取决于个人偏好，具体取决于您对数据的理解方式。
为每次比较报告经多重性校正的 P 值
如果您选择 Bonferroni、Tukey 或 Dunnett 多重比较检验，Prism 还可以报告经多重性校正的 P 值。 若勾选此选项，Prism 将针对每次比较报告一个校正后的 P 值。这些计算不仅考虑了正在比较的两个组，还考虑了方差分析（ANOVA）中组的总数（数据集列数）以及所有组中的数据。
多重比较校正的 P 值是整个比较族中，某项特定比较被（勉强）判定为“统计学显著”时的最小显著性阈值（α）。
直到最近，多重性校正 P 值才开始被广泛报告。如果您选择让 Prism 计算这些值，请务必花时间确保您理解其含义。如果您在出版物或演示文稿中包含这些值，请务必解释它们的含义。
置信水平与显著性水平（或期望的FDR）
按照惯例，置信区间通常按95%的置信水平计算，而统计学显著性则以0.05的α值定义。Prism允许您选择其他数值。如果您选择控制FDR，请为Q（以百分比表示）选择一个数值。 若将 Q 设为 5%，则预计最多有 5% 的“发现”属于假阳性。
参考文献
1.SA Glantz，《生物统计学入门》，第六版，ISBN= 978-0071435093。
2.MA Seaman、JR Levin 和 RC Serlin，《心理学公报》110:577-586，1991。
3.Cohen, J. (1988). 《行为科学功效分析》（第2版）。新泽西州希尔斯代尔：劳伦斯·厄尔鲍姆联合出版社。
