实际上,在特定情况下并不需要严格的综合测试,并且像Bonferroni或Bonferroni-Holm之类的多个推理过程并不限于ANOVA /均值比较设置。它们通常以事后测试的形式出现在教科书中,或者在统计软件中与ANOVA关联,但是如果您查阅有关该主题的论文(例如Holm,1979年),您会发现它们最初是在更广泛的背景下讨论的,并且您如果您愿意,当然可以“跳过方差分析”。
人们仍然使用方差分析的原因之一是与Bonferroni调整之类的成对比较具有较低的功效(有时要低得多)。Tukey HSD和综合测试可以具有更高的功效,即使成对比较没有发现任何问题,ANOVA F检验已经是结果。如果您使用小型且随意定义的样本,并且正在寻找一些可发布的p值(与许多人一样),那么即使您始终打算进行成对比较,这也会很有吸引力。
另外,如果您真的在乎任何可能的差异(与特定的成对比较或了解不同的意思相对),那么ANOVA多功能测试就是您想要的测试。同样,多方ANOVA程序方便地提供了主要效果和相互作用的测试,这些测试比成对的比较更直接有趣(计划的对比可以解决相同的问题,但设置起来更复杂)。例如,在心理学中,综合测试通常被认为是实验的主要结果,而多次比较仅被视为辅助条件。
最后,许多人对此程序感到满意(ANOVA,然后进行事后检验),而根本不知道Bonferroni不等式是与ANOVA无关的非常普遍的结果,您还可以进行更有针对性的计划比较或除了执行测试外,还要做很多事情。如果您正在应用学科中一些最流行的“食谱”上工作,并且解释了许多常见的做法(即使并不能完全证明它们的合理性),那么实现这一点当然也不容易。
Holm,S.(1979年)。一个简单的顺序拒绝多重测试程序。斯堪的纳维亚统计杂志, 6(2),65-70。