当您通过方差分析发现不同组之间存在显著差异，但无法确定具体是哪两组不同时，请使用此方法。它能一次性对比所有组合，并自动校正偏差，告诉您哪些组别之间确实存在差异，而非单纯的随机波动。
深入挖掘 ANOVA 后的差异来源
方差分析（ANOVA）只能告诉您“组间存在差异”，却无法指出差异究竟出现在哪里。Tukey HSD 事后检验是 ANOVA 的重要补充工具，专门用于对所有可能的组别对进行配对比较。
通过 Lattice 执行此操作，系统将计算每两组之间的均值差、置信区间以及校正后的 p 值。这种方法能够帮您快速识别出表现异常的组别，排除实验中的偶然因素。
为什么控制“多重比较错误率”很重要？
在处理多组数据时，进行大量两两比较会增加“假阳性”的风险。Tukey HSD 事后检验通过调整家族错误率（FWER），确保在进行多次假设检验时，最终报告的显著差异结果依然具备严谨的统计基础。
此功能在 Lattice 中通过确定性的 Python 工具执行，不涉及模糊的估计，每一对结果的判定均基于严格的数学分布，直接输出判定结论（reject 或 keep），简化您的决策流程。
处理复杂实验数据
针对工艺优化等实际场景，实验数据往往存在不平衡的情况（即不同条件下的样本数不一致）。Tukey HSD 事后检验内部实现了 Tukey-Kramer 变体，即使在样本数不等的情况下，也能保持对比的客观性。
系统在输出结果时会提供每一对比较的置信区间，若区间跨越零点，则表示差异未达到显著标准，通过这种方式您可以直观地评估各条件间的差异边界。
1 · Intent → method
An LLM picks svt_posthoc_tukey from a fixed catalog.
2 · Method → numbers
Deterministic Python engine runs the math. Same input → same output.
3 · Numbers → plain language
A second LLM translates the result into your domain’s vocabulary.
为什么不直接做多次 T 检验（T-Test）？
如果进行多次 T 检验，随着比较次数增加，犯错的概率（即把偶然差异误认为显著差异）会急剧上升。Tukey HSD 事后检验通过调整计算逻辑，将这种整体错误率控制在设定的阈值内，确保结论更加可信。
如果我的各组样本数量不一样，Tukey HSD 还能用吗？
可以。Lattice 会自动使用 Tukey-Kramer 变体，专门针对各组样本量不均衡的情况进行优化，确保在数据缺失或样本分布不均时，比较结果依然具有统计效力。
Tool 输入字段
Schema for svt_posthoc_tukey not exported yet (run pnpm export:registry).