多重比较校正原则：4种方法如何选择？

引言Introduction

在方差分析之后，很多人会直接做两两比较，却忽略了多重比较校正原则 。结果看似“阳性”很多，实际却可能放大假阳性。对医学生、医生和科研人员来说，真正难的是：什么时候校正，校正到什么程度，选哪种方法最合适。

1. 为什么方差分析后还要校正

1.1 直接两两检验会累积I类错误

当只有3组时，若进行A vs B、A vs C、B vs C三次比较，总体犯I类错误的概率会被放大。知识库中提到，比较次数越多，整体假阳性风险越高。这就是多重比较校正原则存在的核心原因。

单因素方差分析只能告诉你“总体均值不全相等”，不能直接告诉你“哪两组不同”。因此，方差分析之后必须进入多重比较，而不是把两样本t检验重复做一遍。否则，P值看起来很多，但结论并不稳健。

1.2 校正的目标是控制假阳性

多重比较校正原则的本质，是在尽量保留检验效能的同时，控制总体I类错误率。不同方法对错误的控制强度不同。越保守的方法，越不容易报阳性，但也越可能漏掉真实差异。

对论文写作而言，这一点尤其重要。审稿人通常更关注你是否说明了采用何种校正方法，以及方法是否与研究目的匹配，而不是要求你把所有方法都跑一遍。

2. 常见4种方法怎么理解

2.1 LSD，最敏感，但也最容易放大假阳性

LSD可以理解为对两组之间进行较直接的比较。它的特点是灵敏度高。知识库明确提到，LSD容易出现假阳性结果，但也更容易检出微小差异。

因此，LSD更适合比较次数不多、且你已经有较强先验假设的场景。如果研究的首要目标是“尽量不漏掉差异”，LSD可考虑；但如果强调结论稳健，它通常不是最保守的选择。

2.2 Bonferroni，最保守，适用面广

Bonferroni的核心思想是把总体α水平分摊到每一次比较中。知识库给出的例子很典型：若3次比较，总体α=0.05，则校正后检验水准约为0.0167。也可以理解为，把P值乘以比较次数，再与0.05比较。

它的优势很清楚。几乎适用于任何多重比较情形。 组间样本量相等或不等，都能用。成对比较或复杂比较，也都能处理。
但缺点也明显。比较次数太多时，阈值会变得很小，容易“矫枉过正”，出现方差分析总体显著，但两两比较都不显著的情况。

2.3 SNK，介于灵敏和保守之间

SNK常用于多组间两两比较。它的结果常以“子集”方式呈现，而不是单纯列出每个P值。若两组落在同一子集，说明差异不显著；若分在不同子集，则提示差异存在。

从知识库的总结看，SNK属于一种折中方法。它比LSD更稳健，又没有Bonferroni那么保守。 当组数较多、又需要探索性两两比较时，SNK往往更实用。

2.4 Dunnett，只和对照组比较

Dunnett的定位最清晰。它不是比较所有组，而是多个实验组与一个明确对照组比较 。例如BMI分组中，正常组作为对照，消瘦、超重、肥胖分别与正常组比较，这就是典型场景。

知识库还提到，如果数据不满足方差齐性，可考虑Dunnett’s T3。Dunnett的优势在于减少比较次数，从而降低I类错误。只要你的研究问题是“多个处理是否优于对照”，Dunnett通常是首选。

3. 4种方法如何选择

3.1 先看研究目的

选择方法前，先回答一个问题：你的研究是证实性，还是探索性。

• 证实性研究，有明确对照组。 优先考虑Dunnett。
• 探索性研究，想看所有组之间差异。 可考虑Bonferroni或SNK。
• 比较次数少，且更重视灵敏度。 LSD可作为备选。

知识库中也强调，没有一种方法在所有情境下都是“最优解”。方法越多，说明它们各有边界条件。

3.2 再看比较次数

比较次数少时，Bonferroni还能接受。比如4组时，两两组合数量有限，校正不会过度压低检验效能。
但当组数很多时，两两组合迅速增加，这时Bonferroni可能过于保守。比较越多，越要警惕“校正过度”。

此时，若研究目的是探索组间差异，SNK通常更平衡。若你不需要全比较，只关心对照组，则直接用Dunnett更合理。

3.3 还要看方差齐性

方差分析及其事后比较，通常建立在方差齐性的前提上。知识库中提到，如果总体方差不齐，可以考虑Dunnett’s T3。
这提示我们，多重比较校正原则不是孤立存在的，它必须和正态性、方差齐性一起判断。 先看数据分布，再决定后续方法，才符合规范的统计流程。

4. 论文与SPSS实操中的关键点

4.1 结果解读不要只看“显著”两个字

在SPSS中，多重比较结果可能同时出现多种方法。知识库里给出的例子显示，LSD可能提示三组都显著，而Tukey、Scheffe、Bonferroni却会让部分比较不显著。
这说明，同一组数据在不同校正方法下，结论可能不同。

因此，论文中应当只报告你预先设定、且与研究目的匹配的方法，而不是挑一个最有利的结果。这样才符合E-E-A-T中的可信性要求。

4.2 方法部分要写清楚

写作时，建议明确交代以下内容：

1. 先做单因素方差分析。
2. 若总体差异有统计学意义，再做多重比较。
3. 说明采用的具体方法，如LSD、Bonferroni、SNK或Dunnett。
4. 若方差不齐，说明采用了相应的替代检验。

这比单纯报告P值更重要。 因为审稿人看的是你的统计思路，而不只是结果数字。

总结Conclusion

多重比较校正原则的核心，是在多次比较中控制假阳性风险。LSD灵敏但偏宽松，Bonferroni最保守，SNK适合折中探索，Dunnett则适合明确对照组场景。
实际选择时，先看研究目的，再看比较次数和方差齐性。不要直接重复做两两t检验。 对医学生、医生和科研人员而言，规范的统计路径，远比“看起来显著”的结果更重要。若你希望把多重比较校正原则、方差分析和论文方法部分写得更规范，可以结合解螺旋的科研工具与统计内容进行系统梳理，提升选题、分析和发表效率。