LSD分析法，即最小顯著性差異法（Least Significant Difference），是一種統計學中用於多組間平均值比較的方法。它是在1935年由Ronald Fisher提出的。LSD分析法基於t檢驗，用於進行各組間的配對比較，其優點是檢驗敏感性高，即使各組間的均值差異很小，也有可能被檢測出來。
在套用LSD分析法時，需要進行以下步驟：
提出假設，包括零假設（各組之間無差異）和備擇假設（各組之間存在差異）。
計算檢驗統計量，即各組均值之差的絕對值。
計算LSD值，該值是基於t分布的臨界值、樣本數量、組內方差等因素計算得出的。
根據顯著性水平α做出決策，如果均值之差的絕對值大於LSD值，則拒絕零假設，認為兩組之間存在顯著差異。
LSD分析法的特點包括：
高敏感性：能夠檢測到微小的均值差異。
不調整一類錯誤機率：該方法不對第一類錯誤（棄真錯誤）的機率進行控制和調整。
特殊形式：Dunnett's t檢驗是LSD的一種特殊形式，適用於多個實驗組與一個對照組之間的比較。
與LSD分析法相關的其他方法包括：
Bonferroni法：通過降低顯著性水平來控制第一類錯誤，但相對於LSD分析法，其靈敏度較低。
Dunnett法：適用於多個實驗組與一個對照組之間的多重比較。
Tukey法：利用學生化極差分布進行多重比較，能夠更好地控制第一類錯誤。
LSD分析法的優點在於其高靈敏度，能夠檢測到微小的差異，但在實際套用中，由於其不調整一類錯誤機率，可能會導致第一類錯誤的機率較高。因此，在選擇使用LSD分析法時，需要權衡其優點和潛在的局限性。