📚 课程目录第4章多重比较方法在化工工艺优化中的选择与实施

4. 多重比较方法在化工工艺优化中的选择与实施

方差分析给出“因素各水平间是否存在显著差异”的整体结论，但在化工工艺优化中，工程师真正关心的是更具体的问题：反应温度取 70 ℃、80 ℃、90 ℃ 时，究竟哪两个温度之间的收率差异是真实的，哪个差异只是实验误差造成的波动？要回答这个问题，必须在方差分析显著的基础上进行多重比较。本节围绕 Tukey、Bonferroni、Dunnett 三种常用方法，说明它们的适用条件、计算逻辑，并结合反应温度优化实验演示如何判断水平间差异。

为什么不能直接做多次两两 t 检验

若对 k 个水平做所有两两比较，共需进行 k(k−1)/2 次检验。每次检验取 α=0.05 时，单次犯第一类错误的概率是 5%，但多次检验累积后，至少出现一次假阳性的概率迅速上升。例如 4 个水平有 6 次比较，若各次独立，族错误率约为 1−0.95⁶≈26%。这意味着原本“无差异”的温度水平很可能被误判为显著。多重比较方法的核心，就是控制族错误率（FWER，所有比较中至少一次误判的概率）或错误发现率（FDR），使结论整体可靠。

三种方法的定位与选择

Tukey HSD（诚实显著性差异法）适用于所有水平两两都比较、且各组样本量相等（或接近相等）的场合，基于学生化极差分布，检验统计量为 q = |ȳᵢ−ȳⱼ| / √(MSE/n)，其中 MSE 为组内均方，n 为每组重复次数。它在大致控制族错误率的前提下，功效通常高于 Bonferroni，是温度、配比、催化剂种类等“全面筛选”实验的首选。

Bonferroni 校正最简单通用：把每次比较的显著性水平设为 α/m（m 为比较次数），或把 p 值乘以 m 后与 α 比较。它不要求样本量相等，也不依赖特定分布假设，适用于比较次数较少或比较对象事先指定的情形。缺点是当 m 较大时过于保守，功效下降明显。

Dunnett 法专用于“多个处理组与一个对照组比较”的设计，例如多个新配方分别与现行基准配方对比。它利用对照组被重复使用的结构，临界值比 Bonferroni 小，因此功效更高。若实验目的是“找出优于基准的温度或催化剂”，应优先用 Dunnett 而非 Tukey。

结合反应温度优化实验的实施过程

设某酯化反应考察温度 70、80、90、100 ℃ 四个水平，每个温度重复 4 次，测得收率（%）如下（示例数据）：70 ℃ 为 81.5、82.8、81.9、82.2；80 ℃ 为 85.1、86.0、85.4、85.9；90 ℃ 为 86.6、87.4、86.8、87.2；100 ℃ 为 82.9、83.8、83.2、83.7。方差分析得组间平方和 SSB=68.4，组内平方和 SSE=14.4，df_组内=12，故 MSE=14.4/12=1.20，组内标准差 √MSE≈1.10。

先算 Tukey 的 HSD 临界差。每组 n=4，误差自由度 12，查学生化极差表得 q_0.05(4,12)≈4.20，则

HSD = q × √(MSE/n) = 4.20 × √(1.20/4) = 4.20 × 0.5477 ≈ 2.30

若采用更精确的 q 值 4.20 计算得约 2.30，图中按 2.42 展示的临界差对应略保守的取值，实际报告时应以查表或软件输出为准。将各水平均值差与 HSD 比较：|82.1−85.6|=3.5>2.30，70 与 80 差异显著；|82.1−87.0|=4.9，70 与 90 显著；|85.6−87.0|=1.4<2.30，80 与 90 不显著；|87.0−83.4|=3.6，90 与 100 显著。因此可判断 80 ℃ 与 90 ℃ 构成统计上无差异的最优组，而 70 ℃ 和 100 ℃ 均显著偏低。

若实验设计改为“以现行 80 ℃ 为基准，检验 90、100 ℃ 是否更优”，则应改用 Dunnett。此时比较次数 m=2（90 vs 80、100 vs 80），Dunnett 双侧临界值 d_0.05(2,12)≈2.50，临界差为 2.50×0.5477≈1.37。90 ℃ 与 80 ℃ 的差 1.4 略大于 1.37，达到显著；100 ℃ 与 80 ℃ 的差 2.2 也显著但方向为负。可见同一批数据换用不同方法，结论的边界会变化，方法必须与比较目的匹配。

若用 Bonferroni 做全部 6 次两两比较，取 α/m=0.05/6≈0.0083，对应 t 临界值约 3.15，临界差为 3.15×√(2×1.20/4)≈2.44，比 Tukey 的 2.30 更保守，80 与 90 的 1.4 仍不显著，但 90 与 100 的 3.6 依然显著。比较次数越多，Bonferroni 越保守，这正是它在水平数较多时功效不足的原因。

选择口诀：全面两两比较用 Tukey；只与基准比用 Dunnett；比较次数少、样本量不等或需最稳妥控制时用 Bonferroni。无论哪种方法，都必须先确认方差分析整体显著，并检查方差齐性与残差正态性，否则临界差本身不可靠。

结果表达与工程判断

多重比较的结果不应只写“显著/不显著”，而应给出均值差、置信区间和分组字母标记。例如用 Tukey 得到 80 ℃ 与 90 ℃ 同标字母 a，70 ℃ 标 b，100 ℃ 标 b，读者一眼即可看出最优组。工程上还需把统计显著与工艺显著区分开：若 90 ℃ 相对 80 ℃ 仅提高 1.4 个百分点且不显著，而升温带来能耗与副产物增加，则应选择 80 ℃ 作为工艺控制点。统计结论服务于工艺决策，不能替代成本与稳定性评估。

实施时建议按以下顺序操作：确认方差分析显著并检验前提假设；根据比较目的选定方法；计算临界差或直接读取软件输出的调整 p 值与置信区间；用字母标记或区间图表达分组；最后结合工艺成本给出推荐水平。软件中 Tukey 对应“单因素 ANOVA 后的 Tukey HSD”，Dunnett 需在分析前指定对照组，Bonferroni 则通过调整 p 值实现，三者输出都应报告原始均值差与调整后结论，避免只给一个 p 值。