統(tǒng)計(jì)方法的選擇匯總

1、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

2、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: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）n4 0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 Pearson c2（2）n40或理

3、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：L

4、SD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2)b+c40,則用二項(xiàng)分布確切概率法檢驗(yàn)2.CXC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2) 一致性問題(Agreement):用Kap檢驗(yàn)變量之間的關(guān)聯(lián)性分析六、兩個(gè)

5、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)無需正態(tài)性），殘差與自變量無趨勢(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

6、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)無需正態(tài)性），殘差與自變量無趨勢(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

7、（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.無序多分類有序的Logistic回歸：應(yīng)變量為無序多分類變量，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KaplanMeier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Log ra