我目前正在写一篇论文，我很高兴在其中进行主题之间和主题内的比较。在与我的主管讨论后，我们决定运行t测试并使用非常简单的Holm-Bonferroni method（维基百科）来纠正 alpha 错误累积。它控制家庭错误率，但比普通的 Bonferroni 程序具有更大的能力。程序：

1. 您为所有想要进行的比较运行t检验。
2. 您根据它们的值对p值进行排序。
3. 您针对alpha / k 测试最小的 p 值，针对 alpha / ( k - 1 )测试第二小的 p 值，依此类推，直到第一个测试在此测试序列中变得不显着。

引用 Holm (1979)，可以通过wikipedia上的链接下载。

查看multcomp -package 及其在 General Parametric Models 中的小插图 Simultaneous Inference。我认为它应该做不应该做的事情，并且小插图有很好的例子和广泛的参考资料。

我记得过去对此进行了一些讨论；我不知道 Maxwell & Delaney 方法的任何实现，尽管它不应该太难做。看看“使用 R 的重复测量方差分析”，它还显示了解决Tukey 的 HSD中的球形问题的一种方法。

您可能还会发现弗里德曼感兴趣测试的描述。

SPSS 中的推理 F 检验有两个选项。多元不假设球形，因此对每对变量使用不同的成对相关性。“受试者内部效应测试”，包括任何事后测试，都假设为球形，并为在所有测试中使用共同相关性进行了一些修正。这些过程是计算昂贵的时代遗留下来的，并且对于现代计算设施来说是浪费时间。

我的建议是对任何重复测量采取综合 MULTIVARIATE F。然后跟进事后成对 t 检验，或在每个重复测量比较中只有 2 个水平的 ANOVA（如果主题因素之间也存在）。我会做简单的 bon ferroni 校正，将 alpha 水平除以测试次数。

还请务必查看效果大小[在选项对话框中可用]。“接近”显着的大效应可能比小但显着的效应更值得关注[和未来的实验]。

SPSS 过程 MIXED 中提供了一种更复杂的方法，并且在用户不太友好的 [但免费] 包中（例如 R）也可以使用。

总结，在 SPSSS 中，多变量 F 后跟 Bon Ferroni 和 Bonferroni 的成对事后处理应该足以满足大多数需求。