spss數(shù)據(jù)分析的統(tǒng)計(jì)方法選擇小結(jié) 0 E

1、數(shù)據(jù)分析的統(tǒng)計(jì)方法選擇小結(jié) 0 e/ , h9 p3 f$ + g1 a3 : f; _7 _l0 f2 w) s n* ! f+ n, c6 s9 2 完全隨機(jī)分組設(shè)計(jì)的資料; |+ 2 , |/ p8 . * k/ y# ! u5 g% 0 d y/ d9 ; k一、 兩組或多組計(jì)量資料的比較- p; v3 x$ s3 u b k% m/ j7 b, m: k/ z9 q7 _/ c1.兩組資料：* c; u, j* r- w! m0 x5 c( h: i# z7 x+ j& ) j1)大樣本資料或服從正態(tài)分布的小樣本資料2 w1 tu8 9 y8 p$ v3 j. i7 s& m! y&

2、 a1 l(1)若方差齊性，則作成組t檢驗(yàn)3 p; 3 v& n* - d% n5 q- n$ ( |7 u: v- # z3 g(2)若方差不齊，則作t檢驗(yàn)或用成組的wilcoxon秩和檢驗(yàn)6 b9 q2 v, o& n3 s. v9 ; p2 n5 sr6 x% c2)小樣本偏態(tài)分布資料，則用成組的wilcoxon秩和檢驗(yàn)5 f0 y1 f/ x, t3 p6 m% f, j. g! r_$ x0 g4 k5 u5 2.多組資料：2 u0 a0 z$ u0 n7 i. ( v4 h3 m! f5 ) ?# y) ?1)若大樣本資料或服從正態(tài)分布，并且方差齊性，則作完全隨機(jī)的方差分析。如果方

3、差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：lsd檢驗(yàn)，bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。, c& f. 5 7 % _, u. p7 u7 q1 r/ 1 o9 j$ k6 t d2)如果小樣本的偏態(tài)分布資料或方差不齊，則作kruskal wallis的統(tǒng)計(jì)檢驗(yàn)。如果kruskal wallis的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用成組的wilcoxon秩和檢驗(yàn)，但用bonferroni方法校正p值等）進(jìn)行兩兩比較。* g r2 g# ww, z! h! d. j2 y& m! y( h! q7 l/ c s7 二、 分類資料

4、的統(tǒng)計(jì)分析0 p0 b% i! k8 j0 z5 r; z2 q# c8 g1.單樣本資料與總體比較! f& z8 u4 bk# l* b4 t0 i& y/ 7 z+ p$ v2 . c! x; a9 y7 x1)二分類資料：3 n! x 4 w: q. - q b; g6 z) r(1)小樣本時(shí)：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn)；i) g1 u( s9 j9 co* k! b2 d5 (2)大樣本時(shí)：用u檢驗(yàn)。! r* j8 r4 y& h; f 6 z- t- m, 7 7 a% ) c% # 0 y9 f; s6 b6 g2)多分類資料：用pearson c2檢驗(yàn)（又稱擬合優(yōu)度檢驗(yàn)）。(

5、i, + w7 m- + e( u5 y* o2 m8 k+ q& 3 z2. 四格表資料6 s9 c5 ) s: % j0 , n( f+ r7 & a9 u3 u& u( x/ p8 c. y1)n40并且所以理論數(shù)大于5，則用pearson c2& q! v# l& ?; z2 i4 l3 r( ) _# m o) q% g4 r c) n2)n40并且所以理論數(shù)大于1并且至少存在一個(gè)理論數(shù)5，則用校正 c2或用fishers 確切概率法檢驗(yàn)& u% g1 1 l1 e n; rs! c $ i* f: i2 m3)n40或存在理論數(shù)40并且理論數(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，

6、則用fishers 確切概率法檢驗(yàn)) z+ o e, u0 ( l; h/ e1 a s/ 0 a. g# m* a3 z1 h4. rc表資料的統(tǒng)計(jì)分析3 h/ y; o, e+ r: |1 o* v e( c1 k1 9 x: r2 z1)列變量為效應(yīng)指標(biāo)，并且為有序多分類變量，行變量為分組變量，則cmh c2或kruskal wallis的秩和檢驗(yàn)/ t) o0 _& _% s0 mj9 b) 2 b; u% k0 v % j( w; d# g$ s k2)列變量為效應(yīng)指標(biāo)，并且為無(wú)序多分類變量，行變量為有序多分類變量，作none zero correlation analysis的cm

7、h c2$ u: y% % a% l/ v5 k& o- z; & d0 o* s+ u% g3)列變量和行變量均為有序多分類變量，可以作spearman相關(guān)分析1 n+ _* l|) v5 g) ?6 p) l/ y/ 4 c* a4 u3 z4)列變量和行變量均為無(wú)序多分類變量， i4 q. r! y9 e+ 2 z( v. o0 y1 w+ k(1)n40并且理論數(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，則用fishers 確切概率法檢驗(yàn) n3 k5 j# s- f3 ?6 o4 n, a6 h. r3 c& i2 k三、 poisson分布資料+ t( x 7 r/ m! a# t.

8、a. o4 v8 s9 j1.單樣本資料與總體比較：% 7 8 |! i9 ; u. f4 _. 6 g/ s( g: 1)觀察值較小時(shí)：用確切概率法進(jìn)行檢驗(yàn)。6 x) f, n% y8 g f, 6 h+ t& d2 k( r1 w8 i% x% b2)觀察值較大時(shí)：用正態(tài)近似的u檢驗(yàn)。 i. q: |0 7 o$ j6 , p& + ?1 i3 2.兩個(gè)樣本比較：用正態(tài)近似的u檢驗(yàn)。+ 7 q4 n d5 e6 o! t9 f; x0 7 a_5 e配對(duì)設(shè)計(jì)或隨機(jī)區(qū)組設(shè)計(jì)8 c7 h. f0 j/ p四、 兩組或多組計(jì)量資料的比較, o/ + p w0 |# h3 o0 r, n& b2

9、j+ w9 x: w! m3 6 b: j ?1.兩組資料：# a0 a% + 1 r6 n; z; u7 / c* z$ n# j# r+ a, o0 y1)大樣本資料或配對(duì)差值服從正態(tài)分布的小樣本資料，作配對(duì)t檢驗(yàn)7 p3 n) t8 g k1 c/ |$ ?- _1 , # r* f$ s/ ?0 2)小樣本并且差值呈偏態(tài)分布資料，則用wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)/ r; a! u0 r$ n1 l$ o8 7 k; g0 c# v( l! n2.多組資料：# l: k2 l1 d: g& j4 g+ y1 q# p9 j9 m8 h% l( y) q. n, k( w1)若大樣本資

10、料或殘差服從正態(tài)分布，并且方差齊性，則作隨機(jī)區(qū)組的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：lsd檢驗(yàn)，bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。. q# p* v0 f) s& j$ i. j$ 7 di5 x7 m4 x5 m5 2)如果小樣本時(shí)，差值呈偏態(tài)分布資料或方差不齊，則作fredman的統(tǒng)計(jì)檢驗(yàn)。如果fredman的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)，但用bonferroni方法校正p值等）進(jìn)行兩兩比較。( i8 a l, d* m1 h: r ?( d5 i9 c( m

11、$ r7 y5 v3 u% 五、 分類資料的統(tǒng)計(jì)分析; g t |2 w# f6 g6 a# f7 p: f& g1.四格表資料& 5 l6 c0 p: i( a( q) v u9 ix$ o: o. y! j s/ x1 m! z1)b+c40，則用mcnemar配對(duì) c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn)! a! g$ & h7 l* mo6 a/ eu9 6 4 v7 y0 u8 j2)b+c40，則用二項(xiàng)分布確切概率法檢驗(yàn): p1 l0 5 i) 0 av2 z9 . v2 a0 z2 m9 q v1 ; . % q2.cc表資料：3 r4 m4 v; _3 w0 u* s* xn d, 0 4

12、. u z5 m$ p v1)配對(duì)比較：用mcnemar配對(duì) c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn); s0 q! h# o8 f% ?3 k: i8 z0 s. v9 k2 z) oc: d5 2)一致性問(wèn)題（agreement）：用kap檢驗(yàn)1 ? s6 p7 r4 h( w- + 3 n6 lk& k變量之間的關(guān)聯(lián)性分析* * _. 9 y# m六、 兩個(gè)變量之間的關(guān)聯(lián)性分析; d# % r( et9 |/ x% 6 0 i2 x& k1 y% % a6 p1.兩個(gè)變量均為連續(xù)型變量1 ( c( w& 1 e; e* n2 7 b6 e, c k2 n9 l9 p1)小樣本并且兩個(gè)變量服從雙正態(tài)分布

13、，則用pearson相關(guān)系數(shù)做統(tǒng)計(jì)分析* g6 ) o1 f9 f# f3 6 b. l7 y9 d+ d; l: |, 6 x2)大樣本或兩個(gè)變量不服從雙正態(tài)分布，則用spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析 ! f! d0 a2 f% z+ x* ; l. n, y s0 a2.兩個(gè)變量均為有序分類變量，可以用spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析0 w4 s1 |) a+ * p. f6 l5 x3 f6 f1 k- c% v i1 s3.一個(gè)變量為有序分類變量，另一個(gè)變量為連續(xù)型變量，可以用spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析5 s. p! z5 s6 2 qd. a8 y, t* s. h

14、; n , ) w七、 回歸分析$ 1 : / l6 k# e5 d3 s h* _* q- r5 g& x2 n2 b, b3 1.直線回歸：如果回歸分析中的殘差服從正態(tài)分布（大樣本時(shí)無(wú)需正態(tài)性），殘差與自變量無(wú)趨勢(shì)變化，則直線回歸（單個(gè)自變量的線性回歸，稱為簡(jiǎn)單回歸），否則應(yīng)作適當(dāng)?shù)淖儞Q，使其滿足上述條件。 w5 u3 u9 ?! h# d0 b0 a& _) o3 _2.多重線性回歸：應(yīng)變量（y）為連續(xù)型變量（即計(jì)量資料），自變量（x1，x2，xp）可以為連續(xù)型變量、有序分類變量或二分類變量。如果回歸分析中的殘差服從正態(tài)分布（大樣本時(shí)無(wú)需正態(tài)性），殘差與自變量無(wú)趨勢(shì)變化，可以作多重線性回

15、歸。- x& e* f/ h7 q s, a1 x5 n: l$ ) k* k1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素, g9 w- 3 3 m1 a( t( u3 4 s: ! ?& ?2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用$ y; w& c: m5 _+ t9 t# 5 d( e+ w: a, y$ g, h8 b& t* p& 3.二分類的logistic回歸：應(yīng)變量為二分類變量，自變量（x1，x2，xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1 8 j& o5 b* d%

16、 d( c* . t4 g5 k7 i: n1)非配對(duì)的情況：用非條件logistic回歸* 9 l: aj/ x, v y- d$ 8 t* g1 t, w- p8 x(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素% j3 i, k: r% k; f h9 z+ l# f0 c2 1 c(2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用; d5 u3 q: n6 p& n+ - 3 4 u+ s3 r y6 w2)配對(duì)的情況：用條件logistic回歸5 j7 , q5 p* x7 % - 6 q

17、- t7 (1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素$ o% n# a& _4 f9 r. 7 j7 u( q; a: z( c% r(2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用, c 6 n; |4 ca; 2 i: ( 8 c- h: v1 y4.有序多分類有序的logistic回歸：應(yīng)變量為有序多分類變量，自變量（x1，x2，xp）可以為連續(xù)型變量、有序分類變量或二分類變量。$ g& & : x( y4 ?6 b : ( u* ; 8 x. nr9 7 d1)觀察性研究：可以用逐步線

18、性回歸尋找（擬）主要的影響因素 o- b7 j# q6 t! w e2 / pu: s2 j. w! d/ w4 ?! k2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用2 n; a! z% e: h9 c% ) t, f+ % z k7 d# j. z5.無(wú)序多分類有序的logistic回歸：應(yīng)變量為無(wú)序多分類變量，自變量（x1，x2，xp）可以為連續(xù)型變量、有序分類變量或二分類變量。, d, q$ n4 - p3 c) f2 z2 - y1 g0 g* l; 1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的

19、影響因素+ d* r! |) m4 i o7 a* + b4 5 x/ ?$ f7 a0 + y2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用. gm) ) ?- s6 e# u1 r+ 7 p9 r& x* / i( x) o3 , w八、 生存分析資：要求資料記錄結(jié)局和結(jié)局發(fā)生的時(shí)間（如；死亡和死亡發(fā)生的時(shí)間）, s# i) _4 e/ v; n9 ?! b3 t4 |8 j) 1.用kaplan-meier方法估計(jì)生存曲線2 o$ p# m$ vt4 , g* 0 x- p6 h, k) k) b- l2

20、.大樣本時(shí)，可以壽命表方法估計(jì)$ f0 ! i* n, b1 j5 g% w; f0 , c/ m+ k/ w3.單因素可以用logrank比較兩條或多條生存曲線6 o b) a8 z6 t( j( d1 d; _) k1 n- t4.多個(gè)因素時(shí)，可以作多重的cox回歸. z8 v& e; i. y5 o4 ?0 d; t2 n9 + q# k! i) g! k4 k, e+ b) m1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素6 x$ ?% p q z 9 p8 w+ d% ; o3 a4 e s2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿?/p>

21、混雜因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用各種檢驗(yàn)的方法的應(yīng)用前提（1）正態(tài)性檢驗(yàn)：大樣本用k-s檢驗(yàn)，小樣本用shapiro-wilk檢驗(yàn)。具體方法有兩種，一種是使用# v+ o/ o& y( d$ o9 bexplore，一種是使用1 d6 t: q( r* l: f$ d: x4 b! h1 sample k-s test3 i/ h9 k( r# d* x4 j（2）標(biāo)準(zhǔn)化處理（去量綱）：即將原有的一組數(shù)據(jù)轉(zhuǎn)為符合n（0，1）分布的數(shù)據(jù)，從而達(dá)到去單位的效果。具體做法是在0 0 q: l1 / b/ z audescriptive下勾選save standardized valu

22、es as variables，即可得到相應(yīng)的標(biāo)準(zhǔn)化數(shù)據(jù)。$ s% a7 q% r2 r& r9 c m) h（3）單因素方差分析：$ w3 j8 ?! 7 % i0 b( c4 e1前提條件4 m# z- v r3 e9 v4 9 n7 fy: s/ h r正態(tài)性檢驗(yàn)，獨(dú)立性檢驗(yàn)，方差齊性) f2 f5 j* z8 p# 6 % y2數(shù)據(jù)導(dǎo)入, p; d3 a$ a8 s e& h* f對(duì)于固定效應(yīng)模型，可以利用compare means/one way anova實(shí)現(xiàn)，亦可以用glm/univariate實(shí)現(xiàn)，對(duì)于隨機(jī)效應(yīng)模型，可以用glm/univariate實(shí)現(xiàn)。0 3 b* k7 s

23、 s如何判定該用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型：因?yàn)閔ausman test的原假設(shè)是：采用隨機(jī)效應(yīng)模型：備選假設(shè)：采用固定效應(yīng)模型所以，直接看p值就行了，若p值小于0.010.050.1三者中的一個(gè)顯著性水平（看你怎樣定顯著性水平），就可以拒絕原假設(shè)，而采用固定效應(yīng)模型) 2 h. o5 t s) ru b5 ?（4）多因素方差分析0 p: v% s8 i! o9 h0 m1前提條件8 w. 7 _. b- q, z& d; x: r6 q/ y正態(tài)性檢驗(yàn)，獨(dú)立性檢驗(yàn)，方差齊性( m$ y+ ( y! m8 f( |9 0 v3 h2數(shù)據(jù)導(dǎo)入- q, p/ p7 y) t/ h. f5 i/

24、|對(duì)于固定效應(yīng)和隨機(jī)效應(yīng)，都用glm/univariate實(shí)現(xiàn)。* i: ) % c8 r; y! x. d3模型的選擇n+ + d9 f3 y/ r8 s對(duì)于有重復(fù)觀測(cè)值的多因素方差分析，首先分析各個(gè)因素是否存在交互效應(yīng)，如果不存在交互效應(yīng)，則把交互效應(yīng)并為誤差效應(yīng)，僅分析各因素的獨(dú)立效應(yīng)或主效應(yīng)。7 b+ w( b6 b3 u7 （4.5）實(shí)際應(yīng)用中對(duì)方差分析適應(yīng)條件的把握* d0 n8 g8 h9 l1 p0 # s# u * h9 t1單因素方差分析：在單因素方差分析中，如果各組的重復(fù)觀測(cè)數(shù)相同或總體呈正態(tài)分布，則方差分析模型對(duì)方差不齊有一定的承受力，只有最大方差與最小方差之比小于3，

25、結(jié)果是穩(wěn)定的。+ y$ e5 , p& p3 n/ x% z! cw9 q2單元格內(nèi)無(wú)重復(fù)的多因素方差分析：不考慮正態(tài)性和方差齊性問(wèn)題，這是因?yàn)檎龖B(tài)性和方差齊性是以單元格為基本單位的，每個(gè)單元格只有一個(gè)數(shù)據(jù)，因此無(wú)法分析。( e, e- w# r8 r3 a3單元格有重復(fù)數(shù)據(jù)的多因素方差分析：一般數(shù)據(jù)量較小，因此正態(tài)性檢驗(yàn)和方差齊性檢驗(yàn)無(wú)實(shí)際意義。 v, v! x, b7 t（5）簡(jiǎn)單相關(guān)分析% * w( p& o; t$ h1參數(shù)方法（pearson方法）. f7 y7 v3 n) s! z: w) y8 要求所有變量均服從正態(tài)分布1 5 c5 f: r* - ym8 |2非參數(shù)方法（spe

26、arman方法）- u3 r* b: r% g適用于不服從正態(tài)分布的變量7 v. c+ _5 h* snps：偏相關(guān)分析和復(fù)相關(guān)分析均要求服從正態(tài)分布（pearson方法）8 3 _( k u& p) （6）線性回歸分析的前提條件% c* & j, _0 ! c/ j* s1自變量之間相互獨(dú)立% b) g. l; r% t1 f檢驗(yàn)方法：多重共線性檢驗(yàn)，檢驗(yàn)指標(biāo)為容許度（tolerance）和方差膨脹因子（vif） y3 w6 j) j2 y3 u5 i5 e2殘差獨(dú)立且服從正態(tài)分布0 q/ n3 g! v6 t. x$ g檢驗(yàn)方法：一是作圖法，二是dw（durbin-watson）檢驗(yàn)，三是

27、runs檢驗(yàn)9 g9 x3 |) 7 f* z0 8 u! x3自變量和因變量之間的關(guān)系是線性的! l% u0 * k! w1 c檢驗(yàn)方法：一是作圖法，二是t檢驗(yàn)，三是f檢驗(yàn)與可決系數(shù)1 d# w s5 6 f4 s8 d8 _（7）各種t檢驗(yàn)的用途3 sv$ x4 j2 f, j/ c5 v: e! q3 p1單樣本t檢驗(yàn)（one sample t test）1 v) f1 u w對(duì)一組樣本，檢驗(yàn)相應(yīng)總體均值是否等于某個(gè)值4 g. b a5 c1 w1 n2相互獨(dú)立樣本t檢驗(yàn)（independent-sample t test）; _0 |# o5 p: v. i. 6 f, r樣本x1，x

28、2，xn與樣本y1，y2，yn可以顛倒順序而對(duì)結(jié)果不會(huì)產(chǎn)生影響; k3 t$ z a* q8 v, ) y3配對(duì)樣本t檢驗(yàn) h$ b0 s7 v) r- 3 ! a2 g4 樣本x1，x2，xn與樣本y1，y2，yn的順序不可以顛倒。數(shù)據(jù)分析的統(tǒng)計(jì)方法選擇小結(jié)完全隨機(jī)分組設(shè)計(jì)的資料一、 兩組或多組計(jì)量資料的比較1. 兩組資料：1) 大樣本資料或服從正態(tài)分布的小樣本資料(1) 若方差齊性，則作成組t檢驗(yàn)(2) 若方差不齊，則作t檢驗(yàn)或用成組的wilcoxon秩和檢驗(yàn)2) 小樣本偏態(tài)分布資料，則用成組的wilcoxon秩和檢驗(yàn)2. 多組資料：1) 若大樣本資料或服從正態(tài)分布，并且方差齊性，則作完全

29、隨機(jī)的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：lsd檢驗(yàn)，bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。2) 如果小樣本的偏態(tài)分布資料或方差不齊，則作kruskal wallis的統(tǒng)計(jì)檢驗(yàn)。如果kruskal wallis的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用成組的wilcoxon秩和檢驗(yàn)，但用bonferroni方法校正p值等）進(jìn)行兩兩比較。二、 分類資料的統(tǒng)計(jì)分析1. 單樣本資料與總體比較1) 二分類資料：(1) 小樣本時(shí)：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn)；(2) 大樣本時(shí)：用u檢驗(yàn)。2) 多分類資料：用pearson

30、c2檢驗(yàn)（又稱擬合優(yōu)度檢驗(yàn)）。2. 四格表資料1) n40并且所以理論數(shù)大于5，則用pearson c22) n40并且所以理論數(shù)大于1并且至少存在一個(gè)理論數(shù)5，則用校正 c2或用fishers 確切概率法檢驗(yàn)3) n40或存在理論數(shù)40并且理論數(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，則用fishers 確切概率法檢驗(yàn)4. rc表資料的統(tǒng)計(jì)分析1) 列變量為效應(yīng)指標(biāo)，并且為有序多分類變量，行變量為分組變量，則cmh c2或kruskal wallis的秩和檢驗(yàn)2) 列變量為效應(yīng)指標(biāo)，并且為無(wú)序多分類變量，行變量為有序多分類變量，作none zero correlation analysis的

31、cmh c23) 列變量和行變量均為有序多分類變量，可以作spearman相關(guān)分析4) 列變量和行變量均為無(wú)序多分類變量，(1) n40并且理論數(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，則用fishers 確切概率法檢驗(yàn)三、 poisson分布資料1. 單樣本資料與總體比較：1) 觀察值較小時(shí)：用確切概率法進(jìn)行檢驗(yàn)。2) 觀察值較大時(shí)：用正態(tài)近似的u檢驗(yàn)。2. 兩個(gè)樣本比較：用正態(tài)近似的u檢驗(yàn)。配對(duì)設(shè)計(jì)或隨機(jī)區(qū)組設(shè)計(jì)四、 兩組或多組計(jì)量資料的比較1. 兩組資料：1) 大樣本資料或配對(duì)差值服從正態(tài)分布的小樣本資料，作配對(duì)t檢驗(yàn)2) 小樣本并且差值呈偏態(tài)分布資料，則用wilcoxon的符號(hào)配對(duì)秩檢

32、驗(yàn)2. 多組資料：1) 若大樣本資料或殘差服從正態(tài)分布，并且方差齊性，則作隨機(jī)區(qū)組的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：lsd檢驗(yàn)，bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。2) 如果小樣本時(shí)，差值呈偏態(tài)分布資料或方差不齊，則作fredman的統(tǒng)計(jì)檢驗(yàn)。如果fredman的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)，但用bonferroni方法校正p值等）進(jìn)行兩兩比較。五、 分類資料的統(tǒng)計(jì)分析1. 四格表資料1) b+c40，則用mcnemar配對(duì) c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn)2) b+c

33、40，則用二項(xiàng)分布確切概率法檢驗(yàn)2. cc表資料：1) 配對(duì)比較：用mcnemar配對(duì) c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn)2) 一致性問(wèn)題（agreement）：用kap檢驗(yàn)變量之間的關(guān)聯(lián)性分析六、 兩個(gè)變量之間的關(guān)聯(lián)性分析1. 兩個(gè)變量均為連續(xù)型變量1) 小樣本并且兩個(gè)變量服從雙正態(tài)分布，則用pearson相關(guān)系數(shù)做統(tǒng)計(jì)分析2) 大樣本或兩個(gè)變量不服從雙正態(tài)分布，則用spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析2. 兩個(gè)變量均為有序分類變量，可以用spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析3. 一個(gè)變量為有序分類變量，另一個(gè)變量為連續(xù)型變量，可以用spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析七、 回歸分析1. 直線回歸：

34、如果回歸分析中的殘差服從正態(tài)分布（大樣本時(shí)無(wú)需正態(tài)性），殘差與自變量無(wú)趨勢(shì)變化，則直線回歸（單個(gè)自變量的線性回歸，稱為簡(jiǎn)單回歸），否則應(yīng)作適當(dāng)?shù)淖儞Q，使其滿足上述條件。2. 多重線性回歸：應(yīng)變量（y）為連續(xù)型變量（即計(jì)量資料），自變量（x1，x2，xp）可以為連續(xù)型變量、有序分類變量或二分類變量。如果回歸分析中的殘差服從正態(tài)分布（大樣本時(shí)無(wú)需正態(tài)性），殘差與自變量無(wú)趨勢(shì)變化，可以作多重線性回歸。1) 觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素2) 實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用3. 二分

35、類的logistic回歸：應(yīng)變量為二分類變量，自變量（x1，x2，xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1) 非配對(duì)的情況：用非條件logistic回歸(1) 觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素(2) 實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用2) 配對(duì)的情況：用條件logistic回歸(1) 觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素(2) 實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用

36、4. 有序多分類有序的logistic回歸：應(yīng)變量為有序多分類變量，自變量（x1，x2，xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1) 觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素2) 實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用5. 無(wú)序多分類有序的logistic回歸：應(yīng)變量為無(wú)序多分類變量，自變量（x1，x2，xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1) 觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素2) 實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍?/p>

37、些其它可能的混雜因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用八、 生存分析資：要求資料記錄結(jié)局和結(jié)局發(fā)生的時(shí)間（如；死亡和死亡發(fā)生的時(shí)間）1. 用kaplan-meier方法估計(jì)生存曲線2. 大樣本時(shí)，可以壽命表方法估計(jì)3. 單因素可以用logrank比較兩條或多條生存曲線4. 多個(gè)因素時(shí)，可以作多重的cox回歸1) 觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素2) 實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用數(shù)據(jù)分析的統(tǒng)計(jì)方法選擇小結(jié)完全隨機(jī)分組設(shè)計(jì)的資料一、 兩組或多組計(jì)量資料的比較1.兩組資料：1

38、)大樣本資料或服從正態(tài)分布的小樣本資料(1)若方差齊性，則作成組t檢驗(yàn)(2)若方差不齊，則作t檢驗(yàn)或用成組的wilcoxon秩和檢驗(yàn)2)小樣本偏態(tài)分布資料，則用成組的wilcoxon秩和檢驗(yàn)2.多組資料：1)若大樣本資料或服從正態(tài)分布，并且方差齊性，則作完全隨機(jī)的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：lsd檢驗(yàn)，bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。2)如果小樣本的偏態(tài)分布資料或方差不齊，則作kruskal wallis的統(tǒng)計(jì)檢驗(yàn)。如果kruskal wallis的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用成組的wi

39、lcoxon秩和檢驗(yàn)，但用bonferroni方法校正p值等）進(jìn)行兩兩比較。二、 分類資料的統(tǒng)計(jì)分析1.單樣本資料與總體比較1)二分類資料：(1)小樣本時(shí)：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn)；(2)大樣本時(shí)：用u檢驗(yàn)。2)多分類資料：用pearson c2檢驗(yàn)（又稱擬合優(yōu)度檢驗(yàn)）。2. 四格表資料1)n40并且所以理論數(shù)大于5，則用pearson c22)n40并且所以理論數(shù)大于1并且至少存在一個(gè)理論數(shù)5，則用校正 c2或用fishers 確切概率法檢驗(yàn)3)n40或存在理論數(shù)40并且理論數(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，則用fishers 確切概率法檢驗(yàn)4. rc表資料的統(tǒng)計(jì)分析1)列變量為

40、效應(yīng)指標(biāo)，并且為有序多分類變量，行變量為分組變量，則cmh c2或kruskal wallis的秩和檢驗(yàn)2)列變量為效應(yīng)指標(biāo)，并且為無(wú)序多分類變量，行變量為有序多分類變量，作none zero correlation analysis的cmh c23)列變量和行變量均為有序多分類變量，可以作spearman相關(guān)分析4)列變量和行變量均為無(wú)序多分類變量，(1)n40并且理論數(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，則用fishers 確切概率法檢驗(yàn)三、 poisson分布資料1.單樣本資料與總體比較：1)觀察值較小時(shí)：用確切概率法進(jìn)行檢驗(yàn)。2)觀察值較大時(shí)：用正態(tài)近似的u檢驗(yàn)。2.兩個(gè)樣本比較：

41、用正態(tài)近似的u檢驗(yàn)。配對(duì)設(shè)計(jì)或隨機(jī)區(qū)組設(shè)計(jì)四、 兩組或多組計(jì)量資料的比較1.兩組資料：1)大樣本資料或配對(duì)差值服從正態(tài)分布的小樣本資料，作配對(duì)t檢驗(yàn)2)小樣本并且差值呈偏態(tài)分布資料，則用wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)2.多組資料：1)若大樣本資料或殘差服從正態(tài)分布，并且方差齊性，則作隨機(jī)區(qū)組的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：lsd檢驗(yàn)，bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。2)如果小樣本時(shí)，差值呈偏態(tài)分布資料或方差不齊，則作fredman的統(tǒng)計(jì)檢驗(yàn)。如果fredman的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：

42、用wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)，但用bonferroni方法校正p值等）進(jìn)行兩兩比較。五、 分類資料的統(tǒng)計(jì)分析1.四格表資料1)b+c40，則用mcnemar配對(duì) c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn)2)b+c40，則用二項(xiàng)分布確切概率法檢驗(yàn)2.cc表資料：1)配對(duì)比較：用mcnemar配對(duì) c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn)2)一致性問(wèn)題（agreement）：用kap檢驗(yàn)變量之間的關(guān)聯(lián)性分析六、 兩個(gè)變量之間的關(guān)聯(lián)性分析1.兩個(gè)變量均為連續(xù)型變量1)小樣本并且兩個(gè)變量服從雙正態(tài)分布，則用pearson相關(guān)系數(shù)做統(tǒng)計(jì)分析2)大樣本或兩個(gè)變量不服從雙正態(tài)分布，則用spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析2.兩個(gè)

43、變量均為有序分類變量，可以用spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析3.一個(gè)變量為有序分類變量，另一個(gè)變量為連續(xù)型變量，可以用spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析七、 回歸分析1.直線回歸：如果回歸分析中的殘差服從正態(tài)分布（大樣本時(shí)無(wú)需正態(tài)性），殘差與自變量無(wú)趨勢(shì)變化，則直線回歸（單個(gè)自變量的線性回歸，稱為簡(jiǎn)單回歸），否則應(yīng)作適當(dāng)?shù)淖儞Q，使其滿足上述條件。2.多重線性回歸：應(yīng)變量（y）為連續(xù)型變量（即計(jì)量資料），自變量（x1，x2，xp）可以為連續(xù)型變量、有序分類變量或二分類變量。如果回歸分析中的殘差服從正態(tài)分布（大樣本時(shí)無(wú)需正態(tài)性），殘差與自變量無(wú)趨勢(shì)變化，可以作多重線性回歸。1)觀察性研究：可

44、以用逐步線性回歸尋找（擬）主要的影響因素2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用3.二分類的logistic回歸：應(yīng)變量為二分類變量，自變量（x1，x2，xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1)非配對(duì)的情況：用非條件logistic回歸(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素(2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用2)配對(duì)的情況：用條件logistic回歸(1)觀察性研究：可以用逐

45、步線性回歸尋找（擬）主要的影響因素(2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用4.有序多分類有序的logistic回歸：應(yīng)變量為有序多分類變量，自變量（x1，x2，xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用5.無(wú)序多分類有序的logistic回歸：應(yīng)變量為無(wú)序多分類變量，自變量（x1，x2，xp）可以為連續(xù)型變量、

46、有序分類變量或二分類變量。1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用八、 生存分析資：要求資料記錄結(jié)局和結(jié)局發(fā)生的時(shí)間（如；死亡和死亡發(fā)生的時(shí)間）1.用kaplan-meier方法估計(jì)生存曲線2.大樣本時(shí)，可以壽命表方法估計(jì)3.單因素可以用logrank比較兩條或多條生存曲線4.多個(gè)因素時(shí)，可以作多重的cox回歸1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿?/p>

47、混雜因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用1.連續(xù)性資料1.1兩組獨(dú)立樣本比較1.1.1資料符合正態(tài)分布，且兩組方差齊性，直接采用t檢驗(yàn)。1.1.2資料不符合正態(tài)分布（1）可進(jìn)行數(shù)據(jù)轉(zhuǎn)換，如對(duì)數(shù)轉(zhuǎn)換等，使之服從正態(tài)分布，然后對(duì)轉(zhuǎn)換后的數(shù)據(jù)采用t檢驗(yàn)；（2）采用非參數(shù)檢驗(yàn),如wilcoxon檢驗(yàn)。1.1.3資料方差不齊（1）采用satterthwate的t檢驗(yàn)；（2）采用非參數(shù)檢驗(yàn),如wilcoxon檢驗(yàn)。1.2兩組配對(duì)樣本的比較1.2.1兩組差值服從正態(tài)分布，采用配對(duì)t檢驗(yàn)。1.2.2兩組差值不服從正態(tài)分布，采用wilcoxon的符號(hào)配對(duì)秩和檢驗(yàn)。1.3多組完全隨機(jī)樣本比較1.3.1資料

48、符合正態(tài)分布，且各組方差齊性，直接采用完全隨機(jī)的方差分析。如果檢驗(yàn)結(jié)果為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作兩兩比較，兩兩比較的方法有l(wèi)sd檢驗(yàn)，bonferroni法，tukey法，scheffe法，snk法等。1.3.2資料不符合正態(tài)分布，或各組方差不齊，則采用非參數(shù)檢驗(yàn)的kruscalwallis法。如果檢驗(yàn)結(jié)果為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作兩兩比較，一般采用bonferroni法校正p值，然后用成組的wilcoxon檢驗(yàn)。1.4多組隨機(jī)區(qū)組樣本比較1.4.1資料符合正態(tài)分布，且各組方差齊性，直接采用隨機(jī)區(qū)組的方差分析。如果檢驗(yàn)結(jié)果為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作兩兩比較，兩兩比較的方法有l(wèi)sd檢驗(yàn)，bonf

49、erroni法，tukey法，scheffe法，snk法等。1.4.2資料不符合正態(tài)分布，或各組方差不齊，則采用非參數(shù)檢驗(yàn)的fridman檢驗(yàn)法。如果檢驗(yàn)結(jié)果為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作兩兩比較，一般采用bonferroni法校正p值，然后用符號(hào)配對(duì)的wilcoxon檢驗(yàn)。需要注意的問(wèn)題：（1）一般來(lái)說(shuō)，如果是大樣本，比如各組例數(shù)大于50，可以不作正態(tài)性檢驗(yàn)，直接采用t檢驗(yàn)或方差分析。因?yàn)榻y(tǒng)計(jì)學(xué)上有中心極限定理，假定大樣本是服從正態(tài)分布的。（2） 當(dāng)進(jìn)行多組比較時(shí)，最容易犯的錯(cuò)誤是僅比較其中的兩組，而不顧其他組，這樣作容易增大犯假陽(yáng)性錯(cuò)誤的概率。正確的做法應(yīng)該是，先作總的各組間的比較，如果總的來(lái)

50、說(shuō)差別有統(tǒng)計(jì)學(xué)意義，然后才能作其中任意兩組的比較，這些兩兩比較有特定的統(tǒng)計(jì)方法，如上面提到的lsd檢驗(yàn)，bonferroni法，tukey法，scheffe法，snk法等。絕不能對(duì)其中的兩組直接采用t檢驗(yàn)，這樣即使得出結(jié)果也未必正確。（3） 關(guān)于常用的設(shè)計(jì)方法：多組資料盡管最終分析都是采用方差分析，但不同設(shè)計(jì)會(huì)有差別。常用的設(shè)計(jì)如完全隨即設(shè)計(jì)，隨機(jī)區(qū)組設(shè)計(jì)，析因設(shè)計(jì)，裂區(qū)設(shè)計(jì)，嵌套設(shè)計(jì)等。2分類資料2.1四格表資料2.1.1例數(shù)大于40，且所有理論數(shù)大于5，則用普通的pearson檢驗(yàn)。2.1.2例數(shù)大于40，所有理論數(shù)大于1，且至少一個(gè)理論數(shù)小于5，則用校正的檢驗(yàn)或fishers確切概率法檢驗(yàn)。2.1.3例數(shù)小于40，或有理論數(shù)小于2，則用fishers確切概率法檢驗(yàn)。2.2 2c表或r2表資料的統(tǒng)計(jì)分析2.2.1列變量行變量均為無(wú)序分類變量，則（1）例數(shù)大于40，且理論數(shù)小于5的格子數(shù)目總格子數(shù)目的25，則用fishers確切概率法檢驗(yàn)。2.2.2列變量為效應(yīng)指標(biāo)，且為有序多分類變量，行變量為分組變量，用普通的pearson檢驗(yàn)只說(shuō)明組間構(gòu)成比不同，如要說(shuō)明療效，則可用行平均分差檢驗(yàn)或成組的