邓尼特检验

邓尼特检验 (Dunnett's Test)

邓尼特检验（Dunnett's Test）是一种专门用于多重比较的统计检验方法，由加拿大统计学家 Charles W. Dunnett 于 1955 年提出。其核心功能是将多个处理组与同一个对照组进行比较，同时控制整体的第一类错误率。在 方差分析（ANOVA）得出显著差异之后，邓尼特检验用于进一步确定哪些处理组的均值与对照组存在显著差异，是 实验设计和 临床研究中广泛使用的标准工具。

适用场景与假设

邓尼特检验适用于以下典型场景：研究中包含一个对照组和多个处理组，且研究者仅关心每个处理组与对照组的比较，不关心处理组两两之间的比较。例如在药物试验中，将几种新药分别与安慰剂进行比较；在农业实验中，将多种肥料处理与不施肥的对照比较。该设计利用了比较次数较少的事实来提高检验效能，使得邓尼特检验比 Tukey's HSD检验（对所有的两两组合进行比较）拥有更高的统计功效。

邓尼特检验的假设包括：各组样本独立、观测值服从 正态分布、各组方差相等（方差齐性），以及处理组之间仅与对照组的比较是事先计划好的而非事后探索。若方差齐性假设不成立，可使用 Welch 型校正或考虑非参数替代方法。

检验统计量与分布

邓尼特检验的检验统计量为：

其中 $\bar{Y}_i$ 为第 $i$ 个处理组的样本均值，$\bar{Y}_0$ 为对照组的均值，$\hat{\sigma}^2$ 为合并方差估计量（通常从 ANOVA 的误差均方中获得），$n_i$ 和 $n_0$ 分别为处理组和对照组的样本量。

该统计量不是遵循普通的 $t$ 分布，而是遵从一个多变量 $t$ 分布的联合分布。Dunnett 推导了在同时将多个处理组与同一对照组比较时，检验统计量的联合分布的临界值表，称为邓尼特 $t$ 分布表。这些临界值取决于处理组数目、误差自由度和显著性水平 $\alpha$。当各组样本量相等时查表最为方便，不等样本量时需使用近似方法或计算机模拟。

决策规则与优缺点

对于双侧检验，若任一处理组的 $|t_i|$ 超过邓尼特临界值 $d_{\alpha}(k, \nu)$，则拒绝该处理组与对照组无差异的零假设，认为该处理组与对照组存在显著差异。该检验的显著优势在于通过专门限定比较范围实现了对整体错误率的精确控制，且处理组数越多，相对于 Bonferroni 校正等的效率优势越明显。其主要局限是对正态性和方差齐性的依赖较强，且不适用于事后需要进行所有两两比较的研究设计。尽管存在这些局限，邓尼特检验在对照组比较的场景下仍是最优的专用检验工具，在 生物统计学、药理学和 心理学实验分析中具有不可替代的地位。