ScottKnott ESD: 斯科特-诺特效应大小差异测试

简介：
斯科特-诺特效应（Scott-Knott ESD）是一种用于分析和比较多个样本均值之间差异显著性的统计方法，尤其适用于数据具有层次结构的场景。该算法通过逐步分割数据集来识别并分组那些没有显著差异的数据群，从而帮助研究者更清晰地理解复杂的数据对比关系。 Scott-Knott效应大小差异（ESD）测试是一种多重比较方法，在版本3.0的开发分支中得到了更新。该测试利用层次聚类将一组治疗平均值划分为统计学上不同的组，确保这些分组中的差异是不可忽略的。 Scott-Knott检验的独特之处在于它不仅考虑了不同治疗方法之间的差异（即效果大小），还关注了同一组内各种方法间的相似性。 因此，Scott-Knott ESD测试版本2.0及以上提供了对治疗方案进行排名的功能，并且确保：(1) 每个分组内的所有治疗方法之间具有可忽略的幅度差异； (2) 不同分组之间的疗效差距显著。相较于其他多重比较方法（如Nemenyi检验），Scott-Knott ESD测试因其能够避免产生重叠的分类结果而被推荐使用。 参数ScottKnott ESD测试在版本2.0及以上中可用，它是一种用于均值对比的有效工具。