Matlab|multcompare文档

multcompare

Syntax

  c = multcompare(stats)
  c = multcompare(stats,Name,Value)
  [c,m] = multcompare(___)
  [c,m,h] = multcompare(___)
  [c,m,h,gnames] = multcompare(___)

Description

multcompare显示估计值与比较区间的交互式图表。每组均值由一个符号表示，区间由从符号向外延申的一条线表示。如果两组均值的区间不相交，则显著不同；如果两组区间重叠，则没有显著差异。

如果使用鼠标选择任何一组，则图形将会突出显示所有其他明显不同的组（如果有）

Inputs

stats - Test data - struct

测试数据，指定为结构。 您可以创建一个结构 使用以下功能之一：

• anova1— 单因素方差分析。
• anova2— 方差的双向分析。
• anovan— N 路 方差分析。
• aoctool— 协方差工具的交互式分析。
• friedman— 弗里德曼的测试。a
• kruskalwallis— Kruskal-Wallis 检验。
  
  multcompare不支持多重比较使用 anovan模型的输出，包括随机或嵌套效果。随机效应模型的计算产生一个警告，所有影响都被视为固定。嵌套模型不被接受。

Alpha - 显著性水平 - double

多重比较检验的显著性水平，指定为范围内的标量 (0,1)

Approximate - 使用近似方法计算Dunnett检验的临界值的标志 - logical

使用近似方法计算 Dunnett 检验的临界值的标志， 指定为逻辑 1 ( true） 或者 0 ( false).

这 multcompare函数找到 Dunnett 的临界值 通过整合多元 t 分布进行测试。 这 的计算可能会很慢， n 路）方差分析 n 很大。 为了加快计算速度，您可以使用 近似方法（ [5] 通过指定 Approximate作为 true. 近似方法 涉及随机性。 如果要重现结果，请将随机种子设置为 使用 rng调用前的函数 multcompare.

默认值为 true如果来源 stats是 anovan. 否则，默认值为 false.

此论点仅在以下情况下有效 CriticalValueType是 "dunnett".

例子： "Approximate",true

数据类型： logical

ControlGroup - Dennett检验的对照组指数

Dunnett 检验的对照组索引，指定为正整数 价值。

指定比较的组之一 multcompare作为 对照组。 假设您指定 ControlGroup作为 idx. 此表显示了控制组值，这取决于 的来源 stats.

来源stats	控制组
anova1	multcompare用途 stats.gnames(idx), 对应的组 stats.means(idx), 作为对照团体。
anova2	multcompare使用对应的组 stats.colmeans(idx)（如果 Estimate 是 "column"（默认））或 stats.rowmeans(idx)（如果 Estimate是 "row")
anovan	如果您指定 Dimension作为 d， 然后 multcompare用途 stats.grpnames{d}(idx)作为对照 团体。
aoctool	multcompare用途 stats.gnames(idx)作为对照 团体。
friedman	multcompare使用对应的组 stats.meanranks(idx)作为对照 团体。
kruskalwallis	multcompare用途 stats.gnames(idx), 对应的组 stats.meanranks(idx), 作为对照 团体。

此论点仅在以下情况下有效 CriticalValueType是 "dunnett".

例子： "ControlGroup",3

数据类型： single | double

CriticalValueType - 临界值类型

"tukey-kramer"（默认）| "lsd"| "dunnett"| "dunn-sidak"| "bonferroni"| "scheffe"

用于多重比较测试的临界值的类型，指定为以下之一 以下。

值	描述
"lsd"	Fisher 最小显着性差法
"dunnett"	邓内特的测试
"tukey-kramer"或者 "hsd"（默认）	Tukey 的诚实显着差异过程
"dunn-sidak"	Dunn & Sidák 的方法
"bonferroni"	邦费罗尼法
"scheffe"	Scheffe 的程序

该表按保守的顺序列出了临界值类型，从最少到最多 保守的。 每个测试提供不同级别的保护，防止多重 比较问题。

• "lsd"不提供任何保护。

• "dunnett"为比较提供保护 控制组。

• "tukey-kramer", "dunn-sidak"， 和 "bonferroni"为成对提供保护 比较。

• "scheffe"为成对比较提供保护 估计的所有线性组合的比较。

有关详细信息，请参阅 多重比较过程 。

例子： "CriticalValueType","bonferroni"

数据类型： string | char

Display - 显示切换

"on"（默认）| "off"

显示切换，指定为 "on"或者 "off". 如果 你指定 "on"， 然后 multcompare显示图表 估计值及其比较区间。 如果您指定 "off", 然后 multcompare省略图表。

例子： "Display","off"

数据类型： string | char

Dimension - 计算边际均值的维度

1（默认）| 正整数值 | 正整数值向量

计算总体边际均值的一个或多个维度，指定为 正整数值，或此类值的向量。 如果您指定 CriticalValueType作为 "dunnett"， 那么你也能 只指定一个维度。

此参数仅在您创建输入结构时有效 stats 使用功能 anovan.

例如，如果您指定 Dimension作为 1， 然后 multcompare比较第一个分组的每个值的均值 变量，通过去除其他分组变量的影响进行调整，就好像设计是均衡。 如果您指定 Dimension作为 [1,3]， 然后 multcompare计算每个组合的总体边际均值 第一和第三分组变量，消除第二分组变量的影响。 如果您拟合奇异模型，则某些单元均值可能无法估计，并且任何人口都处于边际 意味着取决于那些单元格意味着将具有价值 NaN.

Milliken and Johnson (1992) 和 Searle, Speed, 和美利肯 (1980)。 人口边际均值背后的想法是消除 通过固定由 Dimension，并平均其他因素的影响，就好像每个 因素组合发生的次数相同。 人口边际的定义 均值不取决于每个因子组合的观察次数。 对于设计 每个因子组合的观察次数没有意义的实验， 总体边际均值比忽略其他的简单均值更容易解释 因素。 对于调查和其他研究，其中每个组合的观察次数 确实有意义，但人口边际均值可能更难解释。

**例子： **"Dimension",[1,3]

数据类型： single | double

Estimate - 要比较的估计值

"column"（默认）| "row"| "slope"| "intercept"| "pmm"

要比较的估计值，指定为允许值。 的允许值 Estimate取决于用于生成输入结构的函数 stats，根据下表。

|功能 |value|

|anova1 |没有任何。 multcompare忽略此参数并始终比较 组的意思。|

|anova2 |任何一个 "column"比较列均值或 "row" 比较行的意思。 |

|anovan |没有任何。 multcompare忽略此参数并始终比较 人口边际均值 Dimension名称-值 争论。 |

|aoctool |"slope", "intercept"， 或者 "pmm"分别比较斜率、截距或总体边际均值。 如果协方差模型的分析不包括单独的斜率，则 "slope"不被允许。 如果模型不包括 单独的截距，则无法进行比较。 |

|friedman |没有任何。 multcompare忽略此参数并始终比较 平均列排名。 |

|kruskalwallis |没有任何。 multcompare忽略此参数并始终比较 平均组排名。 |

例子： "Estimate","row"

数据类型： string | char

输出参数

---

c - 多重比较结果矩阵

标量值矩阵

多重比较结果的矩阵，以 p ×6 标量值矩阵，其中 p 是数字 成对的组。 矩阵的每一行都包含 一对配对比较测试。 第 1 列和第 2 列包含 正在比较的两个样本。 第 3 列包含较低的置信度 区间，第 4 列包含估计值，第 5 列包含 上置信区间。 第 6 列包含 p 值 对于相应的均值差为的假设检验 不等于 0。

例如，假设一行包含以下条目。

2.0000 5.0000 1.9442 8.2206 14.4971 0.0432

这些数字表明第 2 组的平均值减去平均值 第 5 组的估计为 8.2206，置信区间为 95% 因为均值的真实差异是 [1.9442, 14.4971]。 _ p 值 对于相应的假设检验，均值的差异 第 2 组和第 5 组与零显着不同的是 0.0432。

在此示例中，置信区间不包含 0， 所以差异在 5% 的显着性水平上是显着的。 如果 置信区间确实包含 0，差异不会是 重要的。 表明 p 值 0.0432 也 第 2 组和第 5 组均值的差异显着不同于0。

m- 估计矩阵

标量值矩阵

估计矩阵，以标量值矩阵形式返回。 第一列 m包含估计值 每个方法的平均值（或任何正在比较的统计数据） 组，第二列包含它们的标准误。

h - 图窗句柄

句柄

包含交互式图的图窗的句柄，以句柄形式返回。 这个标题 graph 包含与图交互的指令，以及 x 轴 标签包含有关哪些均值与所选均值显着不同的信息 意思是。 如果您打算使用此图表进行演示，您可能需要省略标题和 x 轴标签。 您可以使用图形的交互功能删除它们 窗口，或者您可以使用以下 命令。

title(" ")
xlabel(" ")

gnames- 组名

字符向量元胞数组

组名称，以字符向量元胞数组形式返回。 每一行 gnames包含组的名称。