LSD（Least Significant Difference），最小顯著性差異法，是一種統計方法，用於多組數據之間的兩兩比較。這種方法最早由R. A. Fisher在1935年提出，其核心思想是使用t檢驗來比較各組間的平均值，以確定它們之間是否存在顯著差異。LSD方法的特點包括：
敏感性高：能夠檢測到各組間微小的差異。
不調整第一類錯誤機率：在控制第一類錯誤（棄真錯誤）的機率方面，LSD方法不進行任何調整。
特殊形式：Dunnett's t檢驗是LSD的一種特殊形式，專門用於處理實驗組與對照組之間的差異比較。
LSD檢驗的原理是基於t分布，通過計算標準誤（SE）和自由度（df），然後比較任意兩個平均數之間的差值是否顯著。如果差值的絕對值大於基於標準誤計算得到的臨界值，則認為這兩個平均數在給定的顯著性水平α上存在顯著差異。
在實際套用中，LSD方法雖然有其歷史意義，但通常不是首選的統計方法。這是因為它的第一類錯誤機率控制不足，以及存在更高效的替代方法，如Dunnett's t檢驗和SNK q檢驗。儘管如此，LSD在統計學中仍然占有一席之地，特別是在需要進行多組數據之間兩兩比較的場合。