什么是多重比较中的调整 p 值？

用于方差分析的多重比较，调整的 p 值表明一个比较族（假设检验）中的哪些因子水平比较存在显著差异。如果调整的 p 值小于 alpha，则拒绝原假设。调整会将全族误差率限制为您选择的 alpha 水平。如果将固定 p 值用于多重比较，则全族误差率会随每个附加比较而增加。调整的 p 值还表示拒绝特定原假设时的最小全族误差率。

进行多重比较时考虑全族误差率很重要，因为对于一系列比较而言，发生类型 I 错误的几率比单独进行任何一个单个比较的误差率都要高。

调整 p 值的示例

假设您比较了 4 种不同配方的油漆的硬度。您分析了数据并得到了以下输出结果：

均值差值的 Tukey 同时检验

水平的差值	均值差值	差值标准误	95% 置信区间	T 值	调整的 P 值
配方 2 - 配方 1	-6.17	2.28	(-12.55, 0.22)	-2.70	0.061
配方 3 - 配方 1	-1.75	2.28	(-8.14, 4.64)	-0.77	0.868
配方 4 - 配方 1	3.33	2.28	(-3.05, 9.72)	1.46	0.478
配方 3 - 配方 2	4.42	2.28	(-1.97, 10.80)	1.94	0.245
配方 4 - 配方 2	9.50	2.28	(3.11, 15.89)	4.17	0.002
配方 4 - 配方 3	5.08	2.28	(-1.30, 11.47)	2.23	0.150

您选择的 alpha 值为 0.05，它与调整的 p 值一起将全族误差率限制为 0.05。在此水平下，配方 4 和 2 之间的差异显著。如果将全族误差率降低到 0.01，则配方 4 和 2 之间的差异仍显著。