在卫生统计学中，当研究涉及三个或更多个样本均值之间的比较时，通常首先会进行方差分析（ANOVA），以确定这些均值之间是否存在显著性差异。如果方差分析的结果显示存在显著性差异，则需要进一步通过两两比较的方法来具体找出哪些组间的均值有显著性差异。以下是几种常用的多个均数间两两比较的方法：
1. LSD法 (Least Significant Difference)：LSD方法是最简单的多重比较方法，它将每一对样本的均值差与一个最小显著差异值进行比较。如果两样本均值之差大于这个最小显著差异，则认为这两个样本之间存在显著性差异。但这种方法没有控制总的I类错误率（即错误地拒绝了真实的零假设的概率），因此在多个比较时可能会增加犯第一类错误的风险。
2. Bonferroni校正：为了减少多重比较中出现的I型错误，Bonferroni方法通过将原始显著性水平除以进行的比较次数来调整检验的标准。例如，如果总共进行了10次两两比较，并希望保持总的第一类错误率为5%，则每次比较时使用的α值应为0.05/10=0.005。
3. Tukey’s HSD (Honestly Significant Difference)：Tukey方法是一种更为严格的多重比较程序，它适用于所有组样本量相等的情况。该方法基于学生化极差分布（studentized range distribution）计算出一个特定的临界值，并用此值来判断两组均数之间的差异是否显著。
4. Scheffé法：Scheffé方法不仅可用于两两比较，还可以用于检验所有可能线性组合的均值。它通过构建一个F统计量来进行假设检验，该统计量考虑了所有可能对比的最大绝对值。因此，Scheffé方法较为保守，能够较好地控制第一类错误率。
5. Newman-Keuls或Student-Newman-Keuls (SNK) 法：这是一种逐步下降的多重比较程序，首先将所有的均数按大小排序，然后从最大的一对开始依次向下进行两两比较。当某对样本之间的差异不显著时，则认为该对之后的所有较小的差值也不显著。
每种方法都有其特点和适用场景，在实际应用中需要根据研究目的、数据特性以及对I类错误率控制的要求来选择合适的方法。
