有关Post-hoc

最新推荐文章于 2025-05-17 12:57:44 发布
原创 最新推荐文章于 2025-05-17 12:57:44 发布 · 3.9k 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#统计学

ANOVA的原假设：μ1=μ2=μ3=……=μn，备择假设：μ1、μ2、μ3、……、μn不全相等 

当只有两个level时，原假设μ1=μ2，备择假设μ1≠μ2，如果F统计量显著，那么拒绝原假设，认为μ1不等于μ2 

当>两个level时（这里假设是三个level），如果F统计量显著，那么拒绝原假设，我们只能的出μ1，μ2，μ3不全部相等的结论，无法知道μ1，μ2，μ3究竟哪几组不相等，这个时候就要用post-hoc <
最低0.47元/天 解锁文章

200万优质内容无限畅学
R语言ANOVA检验（使用 ANOVA 比较多组之间的差异）：Tukey HSD post-hoc 检验
statistics+insight+vista+power
07-02 1249
R语言ANOVA检验（使用 ANOVA 比较多组之间的差异）：Tukey HSD post-hoc 检验
scikit-posthocs:Python中的多个成对比较（事后）测试
05-05
scikit-posthocs是一个Python软件包，它提供成对多重比较的事后测试，通常在统计数据分析中执行，以评估组水平之间的差异（如果已获得ANOVA测试的统计显着性结果）。 scikit-posthocs与Pandas DataFrames和NumPy数组紧密集成，以确保快速计算以及方便的数据导入和存储。 对于在他们的工作中使用Python的统计学家，数据分析师和研究人员而言，该软件包将非常有用。 背景 Python统计生态系统包含多个软件包。 但是，它仍然有许多空白，并且R包和功能已经超越了它。 （版本1.2.0）提供的Student ， Wilcoxon和Mann-Whitney测试不适用于多个成对比较。 （版本0.9.0）具有TukeyHSD测试功能，该功能需要一些额外的动作才能流畅地集成到数据分析管道中。 还具有良好的辅助方法： allpairtest （适应外部
跟着Nat Commun学作图 | Post-hoc图（Extended error bar plot）
weixin_45822007的博客
03-09 1005
跟着Nat Commun学作图 | Post-hoc图（Extended error bar plot）Ling N, Wang T, Kuzyakov Y. Rhizosphere ba...
ANOVA / Kruskal-Wallis检验——事后检验
Y20220816的博客
05-17 863
在进行ANOVA或Kruskal-Wallis检验后，若发现组间存在显著差异（拒绝原假设），通常需要进一步的事后检验（post-hoc tests）来确定具体是哪些组之间存在差异。选择哪种事后检验取决于数据的性质、假设条件以及研究设计。< α），表明至少有两组均值存在差异，此时需进行多重比较。根据实验设计和数据特征选择合适方法，确保结论的可靠性。如果Kruskal-Wallis检验显著（如果ANOVA结果显著（
Post Hoc Test
热门推荐
Junbao_Zhang的博客
01-22 2万+
最初从图书馆的一本生物统计书里大概明白了post hoc，后来时间久了又不大记得了，今天在google上搜到一篇关于post hoc的文章，看完感觉挺有收获的。以防此链接日后失效，先把它截屏拷贝过来： 用R做事后比较的时候，我用了一个glht函数（最初是参考这篇博文知道glht这个函数）： #方差分析 fit=aov(total[,j]~age+edu+gender...
scikit-posthocs 使用教程
gitblog_00786的博客
09-10 825
scikit-posthocs 使用教程 1. 项目介绍 scikit-posthocs 是一个用于统计数据分析的 Python 包，主要提供了一系列的 post hoc 测试（事后检验）方法。这些方法通常用于在统计分析中评估组间差异，特别是在方差分析（ANOVA）之后。scikit-posthocs 提供了多种非参数和参数化的 post hoc 测试，以及异常值检测算法。 主要功能 参数化 p...
fctSPM:使用 spm1d 包（v.0.4.3），计算从 anova1 到 anova3rm 的 anova 和 post-hoc 测试，使用非参数方法（置换测试）-matlab开发
05-31
使用 spm1d 包（v.0.4.3），计算从 anova1 到 anova3rm 的 anova 和 post-hoc 测试，使用非参数方法（置换测试） 根据参数中给出的独立或重复测量效果选择方差分析（如果需要）和事后的类型。 该功能自动适应一维和...
ggplot2: post-hoc + 森林图
m0_64378299的博客
06-20 1573
利用ggplot绘制事后比较图与元分析森林图
KIMI带我读论文-CVPR2024-《Token Transformation Matters: Towards Faithful Post-hoc Explanation for Vision 》
changesome的博客
06-27 1603
主题：尽管 Transformer 在各种计算机视觉应用中迅速流行起来，但对其内部机制的事后解释在很大程度上还未被探索。问题：现有的事后解释方法仅仅考虑了注意力权重，忽略了变换后的 token 中的关键信息，这无法准确说明模型预测背后的理由。方法：为了将 token 变换的影响纳入解释，作者提出了 TokenTM，一种新颖的事后解释方法，利用引入的 token 变换效果的测量。贡献。
关于 Scikit-posthocs 中 posthoc_nemenyi_friedman() 函数的一点思考
qq_38225713的博客
01-08 3737
前言 Scikit-posthocs 这个库提供了许多 Post-hoc (后续检验) 的函数，Tukey Post-hoc, Nemenyi Post-hoc 等常见后续测试在这个库里都有相对应的实现，使用起来较为方便。 最近做的作业中要求使用 Friedman 测试和 Nemenyi 后续测试，来检验三个分类算法的精度是否有较大差异。于是博主使用了 Scikit-posthocs 的 post...
Friedman test以及后续检验Nemenyi test和Bonferroni-Dunn test
彬彬有礼的专栏
11-23 2万+
题目：Friedman test以及后续检验Nemenyi test和Bonferroni-Dunn test 在做算法对比时，往往需要对实验结果进行统计检验。Friedman test是一种常用的检验，用来比较k个算法在N个数据集上的整体表现性能。但Friedman test只能给出k个算法的性能之间是否存在差异，如果存在差异，还需要进行“后续检验”(post-hoc test)，常用的后续检验方法包括Nemenyi test和Bonferroni-Dunn test。 Nemenyi test适用于
显著性分析
EmoC的博客
12-26 2541
为了找到更符合数据的分析方法。每个方法有自己的假设，如果违背了结果会不精准。Sign Test 是一个可以用于任何数据分布情况的pairwise 方法。检查:Sample 数量 < 50,适用 Shapiro-Wilk，Sample 数量 >= 50,适用Kolmogorov-Smirnov。
显著性测试（Friedman test, Post-hoc Nimenyi test以及可视化）
MasterQKK
04-02 1万+
Friedman test， Post-hoc Nimenyi test，结果可视化， rank Critical difference，H0 hypothesis， 显著性测试
One-way ANOVA
贝爷的博客
09-22 6676
What is this test for?The one-way analysis of variance (ANOVA) is used to determine whether there are any significant differences between the means of three or more independent (unrelated) groups. Thi
R语言方差分析（anova test）以及Tukey检验(post hoc检验)
statistics+insight+vista+power
07-06 581
R语言方差分析（anova test）以及Tukey检验(post hoc检验)
模型可解释方法综述
weixin_42051797的博客
06-23 1552
机器学习模型可解释性总体上可分为两类： ante-hoc 可解释性指通过训练结构简单、可解释性好的模型或将可解释性结合到具体的模型结构中的自解释模型使模型本身具备可解释能力。 Post-hoc 可解释性指通过开发可解释性技术解释已训练好的机器学习模型。 据解释目标和解释对象的不同，post-hoc 可解释性又可分为全局可解释性（Global Interpretability）和局部可解释 （LocalInterpretability）。全局可解释性旨在帮助人们理解复杂模 背后的整体逻辑以及内部的工作机制，局
R语言Tukey检验进行事后检验（post hoc）实战：单因素方差分析告诉我们并不是所有的群体手段的效果是均等的，确切地找出哪些组彼此不同使用Tukey检验
data+scenario+science+insight
10-20 1万+
R语言Tukey检验进行事后检验（post hoc）实战：单因素方差分析告诉我们并不是所有的群体手段的效果是均等的，确切地找出哪些组彼此不同使用Tukey检验 目录 R语言Tukey检验进行事后检验（post hoc）实战：单因素方差分析告诉我们并不是所有的群体手段的效果是均等的，确切地找出哪些组彼此不同使用Tukey检验 #单因素方差分析（One-Way ANOVA） #Tukey检验 #仿真数据 #单因素方差分析模型 #Tukey检验进行事后检验（post hoc） #Tukey
2025.2 月报：ood的post-hoc方法总结
aitin6的博客
03-19 1084
学习报告
post-hoc
最新发布
06-08
<think>嗯，用户这次想了解统计学中的"post-hoc分析"概念，结合之前的站内引用来看，引用[1]提到了方差分析相关的分布知识，正好是post-hoc分析的理论基础之一。用户可能正在学习统计方法，或者遇到了需要多重比较的实际问题。从ta特意强调"统计学或数据分析"这个范围来看，可能已经查过基础定义，现在需要更落地的解释。我注意到上次引用[3]里提到"数据验证的分步方法"，这和事后分析的流程逻辑很契合。准备由浅入深组织回答：先明确术语的定义场景，重点区分它与预先计划好的假设检验的本质不同；然后引入理论背景时，可自然关联用户引用[1]的正态分布和F分布；针对实操需求，应该列出具体方法类型，尤其要强调校正p值这个核心；风险部分提醒p值操控问题很重要，毕竟引用[3]特别指出过数据清洗和验证的必要性；最后补充可视化呈现的建议，这样用户就能获得从原理到实践的完整闭环。在相关性问题的设计上，要覆盖用户可能的后续需求：计算工具推荐对应ta提过R包（引用[2]），多重比较校正方法选最主流的三种，学科应用场景则聚焦临床和生物领域——这和用户提及的peakC包生物信息学背景呼应。如果用户有生物数据需求，后续还可以展开谈图基法与RNA-seq分析的关系。</think> 好的，我们来详细解释一下统计学和数据分析中的**事后检验 (Post-hoc Analysis)** 的概念和用法。 **核心概念：** "Post-hoc" 是拉丁语短语 "post hoc ergo propter hoc" 的一部分，直译为 "在此之后，因此之故"。但在统计学背景下，**事后检验 (Post-hoc testing)** 专门指的是**在发现一个显著的全局性结果（通常是拒绝了一个零假设）之后，为了探究该结果的具体模式、差异的来源或组别之间的具体比较而进行的进一步统计分析。** 可以理解为：**先知道有显著差异这个"果"，再去找究竟是哪些组之间产生了差异这个"因"。** **主要用途与场景：** 1. **分析多组差异的来源：** 最常见于**方差分析 (ANOVA)** 之后。 * 例如：你进行了一项单因素ANOVA，比较三种不同教学方法（A, B, C）对学生成绩的影响。ANOVA结果显示，至少有两种教学方法的效果存在显著差异（p < 0.05），这是一个全局性的结果。 * **问题：** 那么究竟是哪些组之间有显著差异？是A vs B？ A vs C？ 还是B vs C？ANOVA本身无法告诉我们答案。 * **解决：** 这时就需要进行**事后检验**（如Tukey's HSD, Scheffé, LSD, Dunnett等），对**所有可能的组对组合进行两两比较**（A-B, A-C, B-C），精确找出具体差异出现在哪组之间，并给出调整后的p值。 2. **探索数据关系：** 在研究开始时可能没有预设具体的比较组对，或者在数据分析过程中观察到一些意外的模式或结果。事后检验可用于系统地探索这些模式是否具有统计学意义。 * 例如：分析用户对不同产品特性的偏好，初始模型可能显示整体偏好存在差异。事后分析可以探索不同用户群体（如新用户vs老用户）对特性的偏好差异。 3. **特定假设的比较：** 当研究中涉及到比较一个控制组与多个实验组时（单因素ANOVA的常见情况），或者需要比较一个特定的重要组与其他组的差异（如临床试验中的对照药），事后检验能够精确进行这些特定的成对比较（如Dunnett's test）。 **为什么需要事后检验？（关键：多重比较问题）** * 当对一个数据集进行多次统计检验时，**I类错误（假阳性）的风险会显著增加**。例如，进行3次独立的t检验（A-B, A-C, B-C），每次检验设定显著性水平α=0.05，那么犯至少一次I类错误的总概率大约是 `1 - (1-0.05)^3 ≈ 0.14`，这远高于预设的0.05。 * **事后检验方法的核心目标就是控制这种"膨胀的"整体错误率（Family-wise Error Rate, FWER）或者错误发现率（False Discovery Rate, FDR）。** **常用的Post-hoc检验方法：** * **方差分析事后检验 (用于比较组均数)：** * **Tukey's HSD (Honestly Significant Difference)：** 非常常用且稳健，适合所有组的两两比较。控制FWER。 * **Scheffé's Method:** 最保守的方法之一，允许进行任意的复杂比较（不仅仅是成对），但检测力较低。控制FWER。 * **LSD (Least Significant Difference)：** 最不保守的方法，只在保护了整体ANOVA显著性的前提下使用（即先用ANOVA挡一下，显著了再用LSD），否则FWER失控风险高。类似未校正的成对t检验。 * **Dunnett's Test：** 专用于比较多个实验组分别与一个单独的控制组的差异。比Tukey更高效（检测力更高）。控制FWER。 * **Bonferroni Correction：** 最通用（可用于任何多重比较），最保守的方法之一。将单次检验的α设定为`α/n`（n为比较次数）。控制FWER。 * **Benjamini-Hochberg Procedure：** 控制的是**错误发现率 (FDR)**，而不是更严格的FWER。当比较次数非常多时（如基因组学），通常比控制FWER的方法（如Bonferroni）检测力更高，接受一定比例的假阳性来换取更多的发现。 * **非参数事后检验：** 当数据不满足方差分析的正态性或方差齐性假设时使用。 * **Dunn's Test (使用Bonferroni或其他校正)：** 常用在Kruskal-Wallis检验（非参数版ANOVA）之后。 * **Steel-Dwass Test：** Kruskal-Wallis后的非参数多重比较方法。 **使用方法要点：** 1. **前提条件：** 只有在初始的全局性检验（如ANOVA，卡方检验中的全局卡方）达到预设的显著性水平时，才有必要进行事后检验。如果全局检验不显著，强行做两两比较会导致FWER/FDR严重失控。 2. **方法选择：** 根据研究目的（是否所有两两比较？是否只与控制组比？）、对错误率的控制要求（严格FWER? 宽松FDR?）、样本大小和数据性质（参数 vs 非参数）来选择合适的方法。Tukey HSD通常是ANOVA后探索两两比较的首选平衡选择。 3. **报告结果：** 报告结果时需要清晰说明使用了哪种post-hoc方法以及相应的**校正后的p值 (Adjusted p-value)**。通常会用字母标记法或差异字母在图表中显示显著的组间差异。 4. **解释差异：** 结合效应量（如Cohen's d, η²）来解读发现的显著差异，不能仅依赖p值。 **总结:** 事后检验是统计学和数据分析中一个重要的**探索性分析工具**，特别是在**多组比较**的情境下。它的核心价值在于： * **找出具体差异：** 揭示显著全局结果背后的具体模式。 * **控制多重性：** 通过调整显著性水平或p值，确保发现可靠性的同时应对多重假设检验带来的风险。 理解何时需要使用事后检验、如何选择合适的检验方法以及如何正确解释其结果，对于科学研究和数据分析的严谨性至关重要[^1]。 **
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值