均值相同的两处理为何在Dunn事后检验与CLD中结果不同？

一、Kruskal-Wallis与Dunn检验的CLD差异原因 #

• 首先明确：Kruskal-Wallis和Dunn检验都是基于秩次的非参数方法，核心关注的是总体分布的位置差异，而非均值、标准误（SE）这类参数指标。
• 你提到Glyphosate和Triclopyr均值相同但SE不同，这和CLD差异的本质无关：
  • Glyphosate的CLD为abc，说明它的秩次分布和所有其他组的重叠度高，两两比较的p值都大于显著性阈值；
  • Triclopyr的SE大意味着数据离散程度高，但它的秩次分布可能和Imazapyr、Hexazinone、对照组的秩次分布差异更显著——比如Triclopyr的秩次集中在较高区间，而对照组等的秩次集中在较低区间，导致Dunn检验的两两比较p值小于阈值，从而CLD为bc。
• 这不是操作错误，是两组数据的秩次分布特征不同导致的，非参数检验本来就不依赖均值这类参数指标。

二、箱线图显著性标记的可视化优化 #

• 箱线图上的CLD标记挤占空间导致Y轴超100%，确实会降低可视化的直观性，因为死亡率的合理范围就是0-100%。
• 优化方案：
  • 优先移除图上的显著性标记，换成单独的CLD对照表（比如在图下方列一个表格，对应每个处理的CLD字母），或者直接在X轴的处理名称旁标注字母，这样既保留了统计信息，又不会破坏箱线图的合理性。
  • 如果一定要保留标记，可以手动设置Y轴上限为100%，然后用ggplot2的annotate()或者ggsignif包的参数调整标记位置，把字母放在图的外侧（比如用vjust参数上移，同时调整绘图区域边距），不过这种方式还是不如单独标注清晰。
  • 另外，你已经有均值±SE的图，可以把CLD标记放在这个图上，让箱线图专注展示数据分布，分工更明确。

内容的提问来源于stack exchange，提问作者E10