以下是张文彤老师书里的话，希望能帮到你。

如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间（都和对照组）的比较，宜用Ｂｏｎｆｅｒｒｏｎｉ（ＬＳＤ）法；
若需要进行的是多个均数间的两两比较（探索性研究），且各组人数相等，适宜用Ｔｕｋｅｙ法或ＳＮＫ（ｑ）检验。相比之下，后者更方便一些，但是如果比较的组数特别多，则ＳＮＫ法的假阳性较高；
若需要进行的是多个均数间的两两比较（探索性研究），但各组人数相等，且组数较多，比较较为复杂，则宜用Ｓｃｈｅｆｆｅ法。

􊲨 ＬＳＤ法：即最小显著差法（Ｌｅａｓｔ-Ｓｉｇｎｉｆｉｃａｎｃｅ-ＤｉｆｆｅｒｅｎｃｅＭｅｔｈｏｄ），是最简单的比较方法之一。它其实只是ｔ检验的一个简单变形，并未对检验水准做出任何校正，只是在标准误的计算上充分利用了样本信息，为所有组的均数统一估计出了一个更为稳健的标准误，因此它一般用于计划好的多重比较。由于单次比较的检验水准仍为α，因此可以认为ＬＳＤ法是最灵敏的。
􊲨 Ｓｉｄａｋ法：它实际上就是Ｓｉｄａｋ校正在ＬＳＤ法上的应用，即通过Ｓｉｄａｋ校正降低每次两两比较的一类错误率，以达到最终整个比较的一类错误率为α的目的。但是，由于在统计分析中习惯上是将每次比较的水准都定为０．０５，为符合阅读习惯，统计软件往往采用倒乘的方式，即固定检验水准，将检验的Ｐ值进行反向放大。例如当需要进行ｃ次比较时，对于相同的比较，Ｓｉｄａｋ法的Ｐ值和ＬＳＤ 法Ｐ值间的关系为ＰＳｉｄａｋ ＝１－（１－ＰＬＳＤ）ｃ。显然，Ｓｉｄａｋ法要比ＬＳＤ法保守得多。
􊲨 Ｂｏｎｆｅｒｒｏｎｉ法：和Ｓｉｄａｋ法类似，它的每一次比较实际上是Ｂｏｎｆｅｒｒｏｎｉ校正在ＬＳＤ法上的应用，对于相同的比较，Ｂｏｎｆｅｒｒｏｎｉ法的Ｐ值和ＬＳＤ 法Ｐ值间的关系为ＰＢ ｏｎｆｅｒｒｏｎｉ ＝ＰＬＳＤ ×Ｃ。一般而言，Ｂｏｎｆｅｒｒｏｎｉ要比Ｓｉｄａｋ法更为保守一些。
􊲨 Ｓｃｈｅｆｆｅ法：与一般的多重比较不同，Ｓｃｈｅｆｆｅ法的实质是对多组均数间的线性组合是否为０进行假设检验（即所谓的Ｃｏｎｔｒａｓｔ）。多用于进行比较的两组间样本含量不等时。
􊲨 Ｄｕｎｎｅｔｔ法：常用于多个试验组与一个对照组间的比较。因此在指定Ｄｕｎｎｅｔｔ法时，还应
当指定对照组。

以上几种方法的排列顺序大致是从最灵敏到最保守，除了它们几个以外，还有另外一大类目的在于寻找同质亚组的检验方法，常见的有：
􊲨 Ｓ-Ｎ-Ｋ法：经常在有关统计学教材上出现的方法，全称为Ｓｔｕｄｅｎｔ-Ｎｅｗｍａｎ-Ｋｅｕｌｓ法。它实质上是根据预先指定的准则将各组均数分为多个子集，利用ＳｔｕｄｅｎｔｉｚｅｄＲａｎｇｅ分布来进行假设检验，并根据所要检验的均数的个数调整总的一类错误概率不超过α。
􊲨 Ｔｕｋｅｙ法：即Ｔｕｋｅｙ’ｓＨｏｎｅｓｔｌｙＳｉｇｎｉｆｉｃａｎｔＤｉｆｆｅｒｅｎｃｅ法，应用这种方法要求各组样本含量相同。它也是利用ＳｔｕｄｅｎｔｉｚｅｄＲａｎｇｅ分布来进行各组均数间的比较，与Ｓ-Ｎ-Ｋ法不同地是，它控
制所有比较中最大的一类错误的概率，即ＭＥＥＲ不超过α。
􊲨 Ｄｕｎｃａｎ法：其思路与Ｓ-Ｎ-Ｋ 法相类似，只不过检验统计量服从的是Ｄｕｎｃａｎ’ｓＭｕｌｔｉｐｌｅＲａｎｇｅ分布。

两两比较方法如此之多，该如何加以选择？很多统计学家对方差分析后两两比较的策略均提出了自己的看法，国内也有多篇文献对不同方法进行比较。以下是笔者查阅多本参考书后的心得，仅供参考。
（１）如两个均数间的比较是独立的，或者虽有多个样本均数，但事先已计划好要作某几对均数的比较，则不管方差分析的结果如何，均应进行比较。一般采用ＬＳＤ法或Ｂｏｎｆｅｒｒｏｎｉ法。
（２）如果事先未计划进行多重比较，在方差分析得到有统计学意义的Ｆ值之后，可以利用多重比较进行探索性数据分析。此时方法的选择要根据研究的目的和样本的性质。比如说，需要进行多个试验组和一个对照组的比较时，可以采用Ｄｕｎｎｅｔｔ法；需要进行任意两组之间的比较而各组样本含量又相同时，可以选用Ｔｕｋｅｙ法；若样本含量彼此不同时，可以采用Ｓｃｈｅｆｆｅ法。而若是事先未计划进行多重比较，且方差分析未检出差别，此时不应当进行多重比较。
（３）绘制ＭｅａｎｓＰｌｏｔ图，或者进行详细的统计描述有利无弊。
（４）事先未计划的多重比较，各组间的差别只是一种提示，要确认这种差别最好重新设计
实验。

自己顶一下

来学习的，新人，望楼主多多赐教

都是新人，希望大神们指点一下