“双因素方差分析”对话框的“选项”选项卡有两个帮助屏幕：
•本页面说明了多重比较选项。
•另一页面则介绍了图形绘制和输出选项。
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，理由有二：
•对于大多数人而言，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 值能提供比单纯判断差异是否统计学显著更丰富的信息。
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P值
•如果您正在比较每一行（或列）的均值与其他所有行（或列）的均值，我们建议使用 Tukey 检验。
•如果您要将对照组行（或列）均值与其他行（或列）均值进行比较，我们建议使用Dunnett's 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 非常相似，但检验力略高一些。
其他可用方法
提供 Bonferroni 和 Sidak 方法是为了与其他程序兼容，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与报告，选择 Holm-Šídák 检验可以获得稍高的检验力。在比较所有均值对时，该方法的检验力高于 Tukey 方法 (3)。这意味着对于某些数据集，Holm-Šídák 方法能在 Tukey 方法无法发现统计学显著差异的情况下，检测出显著差异。 Glantz指出，Holm检验的检验力理应高于Dunnett检验，但据他所知，这一问题尚未得到深入探讨(2)
Prism 还因历史原因提供了Newman-Keuls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水平(1)。在某些情况下，I 类错误的概率可能高于您指定的显著性水平。
通过控制错误发现率（FDR）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（如有）比较标记为“发现”，并确保错误发现率控制在您输入的 Q 值以下。
FDR方法虽不常作为方差分析（ANOVA）的后续检验，但并无充分理由限制其应用。
不进行多重比较校正。每次比较均独立进行
若选择此方法，Prism 将执行Fisher 最小显著差（LSD）检验。
该方法（Fisher LSD）在检测差异方面具有更强的检验力。但它更可能错误地得出差异在统计学上显著的结论。当您对多重比较进行校正时（Fisher LSD 不会这样做），显著性阈值（通常为 5% 或 0.05）适用于整个比较族。而使用Fisher LSD 时，该阈值会分别应用于每个比较。
仅当您有充分理由时才使用Fisher LSD方法，并在报告结果时务必详细说明所采用的具体操作。
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，取决于您如何理解数据。
为每次比较报告经多重性校正的 P 值
若您选择 Bonferroni、Tukey 或 Dunnett 多重比较检验，Prism 也可报告经多重性校正的 P 值。勾选此选项后，Prism 将为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 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）
传统上，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。若您选择控制FDR，请为Q（以百分比表示）设定数值。若将Q设为5%，则预期最多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). 《行为科学检验力分析》（第2版）。新泽西州希尔斯代尔：劳伦斯·厄尔鲍姆出版社。
