我创建了以下示例来比较两个函数pairwise.t.test()和TukeyHSD()
x <- c(10,11,15,8,16,12,20)
y <- c(10,14,18,25,28,30,35)
z <- c(14,19,35,18,17,16,25)
d <- c(x,y,z)
f <- as.factor(c(rep("a",7), rep("b",7), rep("c",7)))
pairwise.t.test(d, f)
TukeyHSD(aov(d ~ f))
p值与这两个测试的差异是否正常？有没有办法调整两个或一个测试中的参数，使p值更相等？
此外，似乎没有参数var.equal，因为两个测试的t.test()都是如此。这是真的吗？
答案 0 :(得分：1)
来自TukeyHSD的帮助页面：
当比较方差分析中因子水平的均值时， 使用t检验的简单比较会夸大声明a的概率 当它实际上不存在时会有显着差异。这是因为间隔 计算每个区间的给定覆盖概率但是 覆盖范围的解释通常与整个家庭有关 间隔。
TukeyHSD测试是一个不同的测试，根据上面的评论，我一般会期望它会给出更高的p值。话虽如此，对于您提供的数据，p值对于我来说与推理目的并没有太大的不同。
答案 1 :(得分：1)
pairwise.t.test调整p值以根据六种方法之一调整多次比较（有关详细信息，请参阅？p.adjust）。要获得单独的标准偏差估计值而不是合并标准差，请使用pool.SD = FALSE参数。在分析方差时没有可比较的选项，这是您传递给TukeyHSD（）函数的方法。