“双向方差分析”对话框的“选项”选项卡有两个帮助屏幕：
•本页面介绍了多重比较选项。
•另一页面则介绍了图形和输出选项。
使用统计假设检验对多重比较进行校正
其中一些方法允许您计算置信区间和经多重比较校正的P值，而另一些则不支持。我们推荐使用能够计算置信区间和经多重比较校正的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。
推荐方法
可用的检验列表取决于您在第二个选项卡中指定的目标。我们推荐以下这些检验，因为它们能够计算置信区间和多重性校正后的P值
•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 方法，该方法与 Bonferroni 方法非常相似，但功效略高一些。
其他可用方法
提供 Bonferroni 和 Sidak 方法是为了与其他程序保持兼容性，但我们认为选择这些检验并无优势。
如果您不关心置信区间的显示和报告，选择霍姆-希达克检验可以获得稍高的功效。在比较所有均值两两对比时，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。格兰茨指出，霍尔姆检验的功效应高于邓内特检验，但据他所知，这一点尚未得到深入探讨(2)
Prism 还出于历史原因提供了纽曼-库尔斯检验（用于比较每个均值与其他所有均值），以便兼容旧版本 Prism 生成的文件，但我们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的水平(1)。 在某些情况下，Ⅰ类错误的概率可能高于您指定的α水平。
通过控制错误发现率来校正多重比较
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（如果有）比较标记为“发现”，并以一种能将错误发现率控制在您输入的值 Q 以下的方式进行。
FDR 方法通常不作为 ANOVA 的后续检验使用，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。
仅在有充分理由的情况下才使用费舍尔LSD方法，并在报告结果时务必详细说明所采用的具体方法。
多重比较选项
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符号。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比较校正的 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%置信水平计算，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（以百分比为单位）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。
