醫(yī)學(xué)統(tǒng)計(jì)學(xué)復(fù)習(xí)總結(jié)提綱-2023修改整理

千里之行，始于足下讓知識(shí)帶有溫度。第第2頁/共2頁精品文檔推薦醫(yī)學(xué)統(tǒng)計(jì)學(xué)復(fù)習(xí)總結(jié)提綱一、兩組或多組計(jì)量資料的比較

1.兩組資料：

1)大樣本資料或聽從正態(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)若大樣本資料或聽從正態(tài)分布，并且方差齊性，則作徹低隨機(jī)的方差分析。假如方差分析的統(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：挑選合適的辦法（如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等）舉行兩兩比較。

2)假如小樣本的偏態(tài)分布資料或方差不齊，則作KruskalWallis的統(tǒng)計(jì)檢驗(yàn)。假如KruskalWallis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：挑選合適的辦法（如：用成組的Wilcoxon秩和檢驗(yàn)，但用Bonferroni辦法校正P值等）舉行兩兩比較。

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)分布舉行確切概率法檢驗(yàn)；

(2)大樣本時(shí)：用U檢驗(yàn)。

2)多分類資料：用Pearsonc2檢驗(yàn)（又稱擬合優(yōu)度檢驗(yàn)）。

2.四格表資料

1)n>40并且所以理論數(shù)大于5，則用Pearsonc2

2)n>40并且所以理論數(shù)大于1并且至少存在一個(gè)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Fisher’s確切概率法檢驗(yàn)

4.R×C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CMHc2或KruskalWallis的秩和檢驗(yàn)

2)列變量為效應(yīng)指標(biāo)，并且為無序多分類變量，行變量為有序多分類變量，作nonezerocorrelationanalysis的CMHc2

3)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序多分類變量，

(1)n>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Fisher’s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)觀看值較小時(shí)：用確切概率法舉行檢驗(yàn)。

2)觀看值較大時(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)大樣本資料或配對差值聽從正態(tài)分布的小樣本資料，作配對t檢驗(yàn)

2)小樣本并且差值呈偏態(tài)分布資料，則用Wilcoxon的符號配對秩檢驗(yàn)

2.多組資料：

1)若大樣本資料或殘差聽從正態(tài)分布，并且方差齊性，則作隨機(jī)區(qū)組的方差分析。假如方差分析的統(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：挑選合適的辦法（如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等）舉行兩兩比較。

2)假如小樣本時(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)。假如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：挑選合適的辦法（如：用Wilcoxon的符號配對秩檢驗(yàn)，但用Bonferroni辦法校正P值等）舉行兩兩比較。

五、分類資料的統(tǒng)計(jì)分析

1.四格表資料

1)b+c>40，則用McNemar配對c2檢驗(yàn)或配對邊際c2檢驗(yàn)

2)b+c￡40，則用二項(xiàng)分布確切概率法檢驗(yàn)

2.C×C表資料：

1)配對照較：用McNemar配對c2檢驗(yàn)或配對邊際c2檢驗(yàn)

2)全都性問題（Agreement）：用Kap檢驗(yàn)

變量之間的關(guān)聯(lián)性分析六、兩個(gè)變量之間的關(guān)聯(lián)性分析

1.兩個(gè)變量均為延續(xù)型變量

1)小樣本并且兩個(gè)變量聽從雙正態(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)變量不聽從雙正態(tài)分布，則用Spearman相關(guān)系數(shù)舉行統(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)舉行統(tǒng)計(jì)分析

3.一個(gè)變量為有序分類變量，另一個(gè)變量為延續(xù)型變量，可以用Spearman相關(guān)系數(shù)舉行統(tǒng)計(jì)分析

七、回歸分析

1.直線回歸：假如回歸分析中的殘差聽從正態(tài)分布（大樣本時(shí)無需正態(tài)性），殘差與自變量無趨勢變化，則直線回歸（單個(gè)自變量的線性回歸，稱為容易回歸），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）為延續(xù)型變量（即計(jì)量資料），自變量（X1，X2，…，Xp）可以為延續(xù)型變量、有序分類變量或二分類變量。假如回歸分析中的殘差聽從正態(tài)分布（大樣本時(shí)無需正態(tài)性），殘差與自變量無趨勢變化，可以作多重線性回歸。

1)觀看性討論：可以用逐步線性回歸尋覓（擬）主要的影響因素

2)試驗(yàn)性討論：在保持主要討論因素變量（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）可以為延續(xù)型變量、有序分類變量或二分類變量。

1)非配對的狀況：用非條件Logistic回歸

(1)觀看性討論：可以用逐步線性回歸尋覓（擬）主要的影響因素

(2)試驗(yàn)性討論：在保持主要討論因素變量（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結(jié)果的混雜作用

2)配對的狀況：用條件Logistic回歸

(1)觀看性討論：可以用逐步線性回歸尋覓（擬）主要的影響因素

(2)試驗(yàn)性討論：在保持主要討論因素變量（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）可以為延續(xù)型變量、有序分類變量或二分類變量。

1)觀看性討論：可以用逐步線性回歸尋覓（擬）主要的影響因素

2)試驗(yàn)性討論：在保持主要討論因素變量（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）可以為延續(xù)型變量、有序分類變量或二分