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 g! 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)）。( I, + W7 m- +

5、 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%，則用Fishers 確切

6、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)，并且為無序多分類變量，行變量為有序多分類變量，作none zero correlation analysis的CMH c2$ u: y%

7、% 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. a. O4 v8 S9

8、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 J+ W9 x: w!

9、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)若大樣本資料或殘差服從正態(tài)分布，并

10、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$ R7 y5 V3 u

11、% 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 . U z5 m$ P

12、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 ( 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，則用Pearson相關(guān)系數(shù)做統(tǒng)計(jì)分析* g6 )

13、 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; n , ) W七、 回歸分析$ 1 : / l

14、6 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。 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。- X& e* F/ H7 q s, A1 x

15、5 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% D( C* . T4 G5 k7 I: n1)非

16、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- T7 (1)觀察性研究：可以用逐步線性回歸尋找

17、（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：可以用逐步線性回歸尋找（擬）主要的影響因素 O- B7 J#

18、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。, 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）主要的影響因素+ D* r! |) M4 i o7 a*

19、 + 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) 2 o$ p# m$ VT4 , g* 0 x- p6 H, k) k) b- L2.大樣本時(shí)，可以壽命表方法估計(jì)$ f0 ! I* N, B1 J5 G% W; F0 , C/

20、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

21、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 values 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

22、 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 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)镠AUSMAN TEST的原假設(shè)是：采用隨機(jī)效

23、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/ |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

24、! 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，結(jié)果是穩(wěn)定的。+ Y$ e5 , P& P3 N/ X% z! CW9 Q2單元格內(nèi)無重復(fù)的多因

25、素方差分析：不考慮正態(tài)性和方差齊性問題，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（Spearman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

26、* 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

27、! 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，x2，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

28、, ) 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：L

29、SD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 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Pearso

30、n 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

31、行變量均為無序多分類變量，(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

32、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+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)

33、或配對(duì)邊際c2檢驗(yàn)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)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：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)

34、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

35、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

36、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

37、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)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

38、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)

39、分析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)

40、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

41、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：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)b

42、+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)C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)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

43、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

44、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

45、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?/p>

46、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）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）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)

47、,如Wilcoxon檢驗(yàn)。（1）采用Satterthwate的t檢驗(yàn)；（2）采用非參數(shù)檢驗(yàn),如Wilcoxon檢驗(yàn)。1.2.1兩組差值服從正態(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)。1.3.1資料符合正態(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LSD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

48、采用Bonferroni法校正P值，然后用成組的Wilcoxon檢驗(yàn)。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LSD檢驗(yàn)，Bonferroni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)。需要注意的問題：（1）一般來說，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)

49、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，如果總的來說差別有統(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)

50、設(shè)計(jì)，嵌套設(shè)計(jì)等。2分類資料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)只說明組間構(gòu)成比不同，如要說明療效，則可用行平均分差檢驗(yàn)或成組的Wilcoxon秩和檢驗(yàn)。2.2.3列變量為效應(yīng)指標(biāo)，且為二分類變量，行變量為有序多分類變量，則可采用普通的Pearson檢驗(yàn)比較各組之間有無差別，如果總的來說有差別，還可進(jìn)一步作兩兩比較，以說明是否任意兩組之間的差別都有統(tǒng)計(jì)學(xué)意義。2.3 RC表資料的統(tǒng)計(jì)分析2.2.1列變量行變量均為無序分類變量，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