醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法--基礎(chǔ)篇課件

醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法——基礎(chǔ)篇醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法——基礎(chǔ)篇1相關(guān)問題一、醫(yī)學(xué)資料類型二、常見醫(yī)學(xué)實(shí)驗(yàn)設(shè)計(jì)類型三、資料的統(tǒng)計(jì)描述和結(jié)果表達(dá)四、常用統(tǒng)計(jì)推斷方法五、多因素分析方法相關(guān)問題一、醫(yī)學(xué)資料類型2一、醫(yī)學(xué)資料類型

1.定量資料（計(jì)量資料）2.定性資料（分類資料）

(1)二項(xiàng)分類(計(jì)數(shù)資料)(2)多項(xiàng)分類無序多分類有序多分類(等級(jí)資料)一、醫(yī)學(xué)資料類型

1.定量資料（計(jì)量資料）31.定量資料★定義：是對每個(gè)觀察對象的觀察指標(biāo)用定量方法測定該項(xiàng)指標(biāo)的數(shù)值大小所得的資料，一般有度量衡單位?！锱e例：

某市某年7歲男孩身高值（120.2cm,118.6cm,121.8cm…)1.定量資料★定義：是對每個(gè)觀察對象的觀察指標(biāo)用定量方法測定42.定性資料★定義：是先將觀察對象的觀察指標(biāo)按性質(zhì)或類別進(jìn)行分組，然后清點(diǎn)各組該觀察指標(biāo)的數(shù)目所得的資料。★舉例：二分類：衛(wèi)生統(tǒng)計(jì)學(xué)教研室教師性別構(gòu)成：男：3人，女：5人2.定性資料★定義：是先將觀察對象的觀察指標(biāo)按性質(zhì)或類別進(jìn)行5無序多分類：某人群血型構(gòu)成：A型:25人；B型:20人AB型:10人；O型:30人有序多分類：臨床化驗(yàn)中,將化驗(yàn)結(jié)果按－(50);＋(30);＋＋(20);＋＋＋(10);按療效可分為治愈(10);顯效(20);好轉(zhuǎn)(30);無效(15);無序多分類：6

根據(jù)分析的需要,計(jì)量資料、計(jì)數(shù)資料等級(jí)分組資料可以互相轉(zhuǎn)化。例如每個(gè)人的血紅蛋白，原屬計(jì)量資料；若按血紅蛋白正常與異常分為兩組，得出各組的人數(shù)，是計(jì)數(shù)資料；若按血紅蛋白含量的多少分為五個(gè)等級(jí)：＜6(g%)（重度貧血）、6(g%)～（度貧血）、9(g%)～（輕度貧血）12.5(g%)～（血紅蛋白正常）、＞16(g%)（血紅蛋白增高），計(jì)算各等級(jí)人數(shù)，就是等級(jí)分組資料。根據(jù)分析的需要,計(jì)量資料、計(jì)數(shù)資料7二、常見醫(yī)學(xué)實(shí)驗(yàn)設(shè)計(jì)類型

1.完全隨機(jī)設(shè)計(jì)（成組設(shè)計(jì)）2.配對設(shè)計(jì)3.隨機(jī)區(qū)組設(shè)計(jì)（配伍組設(shè)計(jì)）4.析因設(shè)計(jì)二、常見醫(yī)學(xué)實(shí)驗(yàn)設(shè)計(jì)類型

1.完全隨機(jī)設(shè)計(jì)（成組設(shè)計(jì)）81.完全隨機(jī)設(shè)計(jì)（成組設(shè)計(jì)）：

將受試對象完全隨機(jī)地分配到各個(gè)處理組中或分別從不同總體中隨機(jī)抽樣進(jìn)行研究。1.完全隨機(jī)設(shè)計(jì)（成組設(shè)計(jì)）：將受試對象完全隨機(jī)92.配對設(shè)計(jì)

將受試對象按某些重要特征相近的原則配成對子，每對中的兩個(gè)個(gè)體隨機(jī)地給予兩種處理，稱為隨機(jī)配對設(shè)計(jì)。（1）配對兩個(gè)受試對象A，B處理。（2）同一受試對象或同一樣本的兩個(gè)部分A，B處理。2.配對設(shè)計(jì)將受試對象按某些重要特征相近的原10（3）同一受試對象處理（實(shí)驗(yàn)或治療）前后比較，如對高血壓患者治療前后、運(yùn)動(dòng)員體育運(yùn)動(dòng)前后的某一生理指標(biāo)進(jìn)行比較，這種配對稱為自身對比(self-contrast)。有爭議：越來越多的學(xué)者認(rèn)為應(yīng)該把（3）當(dāng)做重復(fù)測量設(shè)計(jì)。（3）同一受試對象處理（實(shí)驗(yàn)或治療）前后比較，如對高血壓患者113.隨機(jī)區(qū)組設(shè)計(jì)

又稱配伍設(shè)計(jì)，是配對設(shè)計(jì)的擴(kuò)展。先按影響試驗(yàn)結(jié)果的非處理因素(如性別、體重、年齡、職業(yè)、病情、病程等)將受試對象配成區(qū)組，再分別將各區(qū)組內(nèi)的受試對象隨機(jī)分配到各處理或?qū)φ战M。3.隨機(jī)區(qū)組設(shè)計(jì)又稱配伍設(shè)計(jì)，是配對設(shè)計(jì)的擴(kuò)展。124.析因設(shè)計(jì)是將每個(gè)因素的所有水平都互相組合，從而對兩個(gè)或多個(gè)處理進(jìn)行評(píng)價(jià)，是一種多因素的交叉分組設(shè)計(jì)。它不僅可以作每個(gè)因素各水平間的比較，而且還可以進(jìn)行交互作用的分析。通過比較還能尋求最佳組合。

4.析因設(shè)計(jì)是將每個(gè)因素的所有水平都互相組合，13總實(shí)驗(yàn)數(shù)是各因素水平數(shù)的乘積。如四因素同時(shí)進(jìn)行實(shí)驗(yàn)，若每個(gè)因素取2個(gè)水平，實(shí)驗(yàn)總數(shù)為24=16；若3水平，34=81；若4水平，44=256；因此，析因設(shè)計(jì)水平不宜太多，一般取2個(gè)或3個(gè)。總實(shí)驗(yàn)數(shù)是各因素水平數(shù)的乘積。如四因素同時(shí)進(jìn)行實(shí)驗(yàn)，若每個(gè)因142×2析因設(shè)計(jì)模式表12×2析因設(shè)計(jì)2×2析因設(shè)計(jì)模式15第一組：一般療法第二組：一般療法+甲藥第三組：一般療法+乙藥第四組：一般療法+甲藥+乙藥甲藥乙藥不用用不用

一組

三組用二組四組甲藥乙藥不用用16三、資料的統(tǒng)計(jì)描述和結(jié)果表達(dá)

三、資料的統(tǒng)計(jì)描述和結(jié)果表達(dá)

171.各指標(biāo)的基本情況定量資料：最小、最大值正態(tài)分布：均數(shù)、標(biāo)準(zhǔn)差、非正態(tài)分布：中位數(shù)、四分位數(shù)間距

定性資料：各類頻數(shù)各等級(jí)頻數(shù)1.各指標(biāo)的基本情況定量資料：最小、最大值18正態(tài)分布：均數(shù)（）、標(biāo)準(zhǔn)差（）、最小、最大值如：平均年齡：40.5歲年齡（）：40.53.6歲年齡：40.53.6(min~max:34~60)歲(定量資料的表達(dá)1)正態(tài)分布：均數(shù)（）、標(biāo)準(zhǔn)差（）、(定量資料的表達(dá)19非正態(tài)分布：中位數(shù)、四分位數(shù)間距、最小、最大值病程中位數(shù):M=3.65年病程:M(Q)=3.65(5.12)年

(min~max:2月~12年)

定量資料的表達(dá)2非正態(tài)分布：中位數(shù)、四分位數(shù)間距、定量資料的表達(dá)220例1：例1：21(圖形表達(dá)1)—線圖(圖形表達(dá)1)—線圖22(圖形表達(dá)2)—半對數(shù)線圖(圖形表達(dá)2)—半對數(shù)線圖23例2：例2：24(圖形表達(dá)3)-條圖(圖形表達(dá)3)-條圖25例3：例3：26(圖形表達(dá)4)-百分條圖(圖形表達(dá)4)-百分條圖27例4：例4：28(圖形表達(dá)5)-圓圖(圖形表達(dá)5)-圓圖29例5例530(圖形表達(dá)6)-箱式圖(圖形表達(dá)6)-箱式圖31例6例632(圖形表達(dá)7)-散點(diǎn)圖(圖形表達(dá)7)-散點(diǎn)圖33例7例734(圖形表達(dá)8)-直方圖(圖形表達(dá)8)-直方圖35四、常用統(tǒng)計(jì)推斷方法

1.參數(shù)估計(jì)2.假設(shè)檢驗(yàn)3.完全隨機(jī)設(shè)計(jì)常用假設(shè)檢驗(yàn)方法4.配對設(shè)計(jì)常用假設(shè)檢驗(yàn)方法5.配伍組設(shè)計(jì)常用假設(shè)檢驗(yàn)方法6.析因設(shè)計(jì)常用假設(shè)檢驗(yàn)方法四、常用統(tǒng)計(jì)推斷方法

1.參數(shù)估計(jì)361.數(shù)據(jù)的統(tǒng)計(jì)推斷-參數(shù)估計(jì)參數(shù)估計(jì)：估計(jì)值，95%CI(可信區(qū)間)例如：三個(gè)療程后，試驗(yàn)組比對照組平均降低體重6.25kg(95%CI:4.17~8.27kg)。

1.數(shù)據(jù)的統(tǒng)計(jì)推斷-參數(shù)估計(jì)參數(shù)估計(jì)：37假設(shè)檢驗(yàn)：檢驗(yàn)統(tǒng)計(jì)量，P

值(確切值)例如:用藥一個(gè)療程后，試驗(yàn)組的ESS評(píng)分的增加比對照組平均提高36.5分(95%CI:18.5~54.5)，經(jīng)t檢驗(yàn)兩組有統(tǒng)計(jì)學(xué)差異(t=3.26,P=0.0018)。2.數(shù)據(jù)的統(tǒng)計(jì)推斷-假設(shè)檢驗(yàn)假設(shè)檢驗(yàn)：2.數(shù)據(jù)的統(tǒng)計(jì)推斷-假設(shè)檢驗(yàn)38假設(shè)檢驗(yàn)方法的選擇依據(jù)：

應(yīng)根據(jù)分析目的、設(shè)計(jì)類型、資料類型、樣本含量大小等選用適當(dāng)?shù)臋z驗(yàn)方法。假設(shè)檢驗(yàn)方法的選擇依據(jù)：應(yīng)根據(jù)分析目的、設(shè)計(jì)類型、393.完全隨機(jī)設(shè)計(jì)假設(shè)檢驗(yàn)方法3.完全隨機(jī)設(shè)計(jì)假設(shè)檢驗(yàn)方法40

3-1完全隨機(jī)設(shè)計(jì)

——兩組定量資料比較:①若總體服從正態(tài)分布且總體方差齊同，采用成組t檢驗(yàn)；②若總體服從正態(tài)分布且總體方差不齊同，采用成組檢驗(yàn)；③若總體不服從正態(tài)分布或/和方差不齊，采用兩個(gè)獨(dú)立樣本比較的Wilcoxon秩和檢驗(yàn)3-1完全隨機(jī)設(shè)計(jì)41應(yīng)用條件驗(yàn)證正態(tài)性檢驗(yàn)兩樣本的方差的齊性檢驗(yàn)應(yīng)用條件驗(yàn)證正態(tài)性檢驗(yàn)42正態(tài)性檢驗(yàn)即檢驗(yàn)樣本是否來自正態(tài)總體。正態(tài)性檢驗(yàn)即檢驗(yàn)樣本是否來自正態(tài)總體。43按所取的α水準(zhǔn)做出判斷結(jié)論：(1)若P<,按所取的α水準(zhǔn),拒絕H0,接受H1,可認(rèn)為總體服從正態(tài)分布。(2)若P>

，按所取的α水準(zhǔn),不拒絕H0,則認(rèn)為總體不服從正態(tài)分布。按所取的α水準(zhǔn)做出判斷結(jié)論：44

兩樣本的方差的齊性檢驗(yàn)方差齊性：是指方差相等。適用條件：兩樣本均來自正態(tài)分布總體。

H0:12＝22H1:12≠22＝0.1

兩樣本的方差的齊性檢驗(yàn)方差齊性：是指方差相等。45按所取的α水準(zhǔn)做出判斷結(jié)論：(1)若P<,按所取的α水準(zhǔn),拒絕H0,接受H1,可認(rèn)為兩總體方差不具有齊性。(2)若P>

，按所取的α水準(zhǔn),不拒絕H0,則認(rèn)為兩總體方差具有齊性。按所取的α水準(zhǔn)做出判斷結(jié)論：46例1：成組t檢驗(yàn)例1：成組t檢驗(yàn)47醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件48醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件49即：即：50例2：成組檢驗(yàn)例2：成組檢驗(yàn)51醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件52醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件533-2完全隨機(jī)設(shè)計(jì)

——多組定量資料比較:①若正態(tài)分布且方差齊同，采用單因素方差分析(one-wayANOVA)；②若非正態(tài)分布或/和方差不齊，可進(jìn)行變量變換后采用單因素方差分析或采用完全隨機(jī)設(shè)計(jì)多個(gè)樣本比較的Kruskal-WallisH檢驗(yàn)。3-2完全隨機(jī)設(shè)計(jì)54

某醫(yī)生為了研究一種降血脂新藥的臨床療效，按統(tǒng)一納入標(biāo)準(zhǔn)選擇120名高血脂患者，采用完全隨機(jī)設(shè)計(jì)方法將患者等分為4組，進(jìn)行雙盲試驗(yàn)。6周后測得低密度脂蛋白作為試驗(yàn)結(jié)果(表4-3)。問：4個(gè)處理組患者的低密度脂蛋白含量總體均數(shù)有無差別？例3：單因素方差分析某醫(yī)生為了研究一種降血脂新藥的例3：單因素55醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件56H0:μ1=μ2=μ3=μ4,即4個(gè)試驗(yàn)組的總體均數(shù)相等H1:4個(gè)試驗(yàn)組的總體均數(shù)不全相等α=0.05先進(jìn)行正態(tài)性檢驗(yàn)、方差齊性檢驗(yàn)，滿足應(yīng)用條件后，進(jìn)行方差分析先進(jìn)行正態(tài)性檢驗(yàn)、方差齊性檢驗(yàn)，滿足應(yīng)用條件后，進(jìn)行方差分57醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件58

多組比較的方差分析方差分析：(ANOVA,Fisher’sFtest)

整體比較(F值，P值)

兩兩比較：(multiplecomparison)

整體比較有差異后進(jìn)行兩兩比較(P值)Tukey,SNK,Dunncan,Dunnett,Scheffe,LSD,Bonferroni,Sidak方差分析：(ANOVA,Fisher’sFtest)593-3完全隨機(jī)設(shè)計(jì)

——兩組定性資料比較:①計(jì)數(shù)資料：采用完全隨機(jī)設(shè)計(jì)2檢驗(yàn),或Fisher確切概率法；②等級(jí)資料：多采用兩個(gè)獨(dú)立樣本比較的Wilcoxon秩和檢驗(yàn)或Ridit分析。3-3完全隨機(jī)設(shè)計(jì)60完全隨機(jī)設(shè)計(jì)四格表資料χ2檢驗(yàn)專用公式：（n≥40且所有的T≥5）

醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件61完全隨機(jī)設(shè)計(jì)四格表資料χ2檢驗(yàn)的校正公式:(n≥40且某一個(gè)理論數(shù)1≤T＜5）

完全隨機(jī)設(shè)計(jì)62最小理論頻數(shù)TRC的判斷：R行與C列中，行合計(jì)數(shù)中的最小值與列合計(jì)數(shù)中的最小值所對應(yīng)格子的理論頻數(shù)最小。如本例，第2行與第2列所對應(yīng)的格子理論頻數(shù)最小(4.67)。

最小理論頻數(shù)TRC的判斷：63

某院欲比較異梨醇口服液(試驗(yàn)組)和氫氯噻嗪+地塞米松(對照組)降低顱內(nèi)壓的療效。將200例顱內(nèi)壓增高癥患者隨機(jī)分為兩組，結(jié)果如下表。問兩組降低顱內(nèi)壓的總體有效率有無差別?

例4：完全隨機(jī)設(shè)計(jì)2檢驗(yàn)

—專用公式（非校正公式）某院欲比較異梨醇口服液(試驗(yàn)組)例4：完全隨機(jī)64

兩組降低顱內(nèi)壓有效率的比較

兩組降低顱內(nèi)壓有效率的比較65

SPSS實(shí)現(xiàn)：SPSS實(shí)現(xiàn)：66醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件67醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件68醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件69例5：完全隨機(jī)設(shè)計(jì)兩組等級(jí)資料：例5：完全隨機(jī)設(shè)計(jì)兩組等級(jí)資料：70醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件71◆上表中完全隨機(jī)設(shè)計(jì)兩組等級(jí)資料比較多采用兩個(gè)獨(dú)立樣本比較的Wilcoxon秩和檢驗(yàn)或Ridit分析?！羯媳碇型耆S機(jī)設(shè)計(jì)兩組等級(jí)資料比較多采用兩個(gè)獨(dú)立樣本比較的723-4完全隨機(jī)設(shè)計(jì)

——多組定性資料比較:①計(jì)數(shù)資料：采用完全隨機(jī)設(shè)計(jì)2檢驗(yàn),或Fisher確切概率法；②等級(jí)資料：采用多個(gè)獨(dú)立樣本比較的Kruskal-WallisH檢驗(yàn)或Ridit分析。3-4完全隨機(jī)設(shè)計(jì)73例6：完全隨機(jī)設(shè)計(jì)

——行×列表資料2檢驗(yàn)多個(gè)樣本率的比較

某醫(yī)師研究物理療法、藥物治療和外用膏藥三種療法治療周圍性面神經(jīng)麻痹的療效，資料見下表。問三種療法的有效率有無差別?例6：完全隨機(jī)設(shè)計(jì)

——行×列74三種療法有效率的比較三種療法有效率的比較75H0:π1=π2=π3,即三種療法治療周圍性面神經(jīng)麻痹的有效率相等H1:三種療法治療周圍性面神經(jīng)麻痹的有效率不全相等α=0.05=21.04,=2,查界值表得P<0.005。按α=0.05水準(zhǔn),拒絕H0,接受H1,可認(rèn)為三種療法治療周圍性面神經(jīng)麻痹的有效率有差別。

H0:π1=π2=π3,即三種療法治療周圍性面神經(jīng)麻痹的有76

行×列表資料χ2檢驗(yàn)簡化公式：

行×列表資料χ2檢驗(yàn)簡化公式：77行×列表χ2檢驗(yàn)時(shí)的注意事項(xiàng)1.不宜有1/5以上的理論頻數(shù)小于5或有1個(gè)格子的理論頻數(shù)小于1。解決的辦法有四種：

(1)性質(zhì)相近鄰行或鄰列合并。

(2)增加樣本量。

(3)刪去理論數(shù)太小的行或列。（4）確切概率法

行×列表χ2檢驗(yàn)時(shí)的注意事項(xiàng)782.單向有序行列表（如下頁表所示）:(1)效應(yīng)在構(gòu)成比上有無差異：

χ2檢驗(yàn)。(2)效應(yīng)有無差異:秩和檢驗(yàn)或Ridit分析。2.單向有序行列表（如下頁表所示）:79療效A組B組C組治愈顯效好轉(zhuǎn)無效合計(jì)療效A組B組C組治愈合計(jì)803.雙向有序且分類屬性不同行列表

(如下頁表)（1）粗略分析兩個(gè)變量有無關(guān)系(用χ2檢驗(yàn))（2）詳細(xì)分析兩個(gè)變量有無相關(guān)關(guān)系及相關(guān)方向（用Spearman等級(jí)相關(guān)分析方法）（3）詳細(xì)分析兩個(gè)變量是否存在線性變化趨勢（用有序分組資料的線性趨勢檢驗(yàn)）3.雙向有序且分類屬性不同行列表81眼底動(dòng)脈硬化級(jí)別冠心病診斷結(jié)果正?？梢晒谛牟?ⅠⅡⅢ合計(jì)眼底動(dòng)脈冠心病診斷結(jié)果正?？梢晒谛牟?合計(jì)824.雙向有序且分類屬性相同行列表一致性檢驗(yàn)(計(jì)算Kappa值)-++++++-++++++合計(jì)-++++++-合計(jì)835.當(dāng)多個(gè)樣本率（或構(gòu)成比）比較的χ2檢驗(yàn)，結(jié)論為拒絕檢驗(yàn)假設(shè)，只能認(rèn)為各總體率（或總體構(gòu)成比）之間總的說來有差別，但不能說明它們彼此之間都有差別，或某兩者之間有差別。若想進(jìn)一步了解哪兩者的差別有統(tǒng)計(jì)學(xué)意義，可用χ2檢驗(yàn)多重比較。

5.當(dāng)多個(gè)樣本率（或構(gòu)成比）比較的χ2檢驗(yàn)，結(jié)論為拒絕檢驗(yàn)假84例7：完全隨機(jī)設(shè)計(jì)多組等級(jí)資料比較

—采用多個(gè)獨(dú)立樣本比較的Kruskal-WallisH檢驗(yàn)或Ridit分析。

例7：完全隨機(jī)設(shè)計(jì)多組等級(jí)資料比較

—采用多個(gè)獨(dú)立樣本比較的85醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件864.配對設(shè)計(jì)假設(shè)檢驗(yàn)方法4.配對設(shè)計(jì)假設(shè)檢驗(yàn)方法874-1配對設(shè)計(jì)

——定量資料比較:①若差值服從正態(tài)分布，采用配對t檢驗(yàn)；②若差值非正態(tài)分布，可進(jìn)行變量變換后采用配對t

檢驗(yàn)或采用配對設(shè)計(jì)Wilcoxon符號(hào)秩檢驗(yàn)4-1配對設(shè)計(jì)88例8：配對t檢驗(yàn)—同源配對例8：配對t檢驗(yàn)—同源配對89醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件90醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件91

H0：μd=0H1：μd≠00.05

醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件92其中

式中d為每對數(shù)據(jù)的差值，為差值的樣本均數(shù)，Sd為差值的標(biāo)準(zhǔn)差，為差值樣本均數(shù)的標(biāo)準(zhǔn)誤，n為對子數(shù)。式中d為每對數(shù)據(jù)的差值，93例9：配對t檢驗(yàn)

–異源配對例9：配對t檢驗(yàn)–異源配對94醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件95醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件964-2配對設(shè)計(jì)

——定性資料比較:①計(jì)數(shù)資料：采用配對設(shè)計(jì)2檢驗(yàn)（McNemar’sTest)或配對設(shè)計(jì)Wilcoxon符號(hào)秩檢驗(yàn)；②等級(jí)資料：配對設(shè)計(jì)Wilcoxon符號(hào)秩檢驗(yàn)4-2配對設(shè)計(jì)97

某實(shí)驗(yàn)室分別用乳膠凝集法和免疫熒光法對58名可疑系統(tǒng)紅斑狼瘡患者血清中抗核抗體進(jìn)行測定，結(jié)果見下表。問兩種方法的檢測結(jié)果有無差別?

例10：配對設(shè)計(jì)2檢驗(yàn)?zāi)硨?shí)驗(yàn)室分別用乳膠凝集法和例10：配對設(shè)計(jì)98兩種方法的檢測結(jié)果

兩種方法的檢測結(jié)果99若兩種處理方法無差別,總體:B=C。因抽樣誤差不可避免,樣本往往b≠c,需進(jìn)行假設(shè)檢驗(yàn)

(McNemartest)，檢驗(yàn)統(tǒng)計(jì)量為。若兩種處理方法無差別,總體:B=C。100計(jì)算公式

1.b+c≥40時(shí)

2.b+c<40時(shí)

計(jì)算公式101H0：總體B=CH1：總體B≠Cα=0.05b+c=12+2=14<40。=1,查界值表得P<0.05。按α=0.05檢驗(yàn)水準(zhǔn),拒絕H0,接受H1,可以認(rèn)為兩種方法的檢測結(jié)果不同。H0：總體B=C=1,查界值表得P<01025.

隨機(jī)區(qū)組設(shè)計(jì)假設(shè)檢驗(yàn)方法5.隨機(jī)區(qū)組設(shè)計(jì)假設(shè)檢驗(yàn)方法1035.配伍組設(shè)計(jì)

——定量資料比較:①若正態(tài)分布且方差齊同，采用雙向分類的方差分析(two-wayclassificationANOVA)；②若非正態(tài)分布或/和方差不齊，可進(jìn)行變量變換后采用雙向分類的方差分析或采用FriedmanM檢驗(yàn)。5.配伍組設(shè)計(jì)104例11：隨機(jī)區(qū)組設(shè)計(jì)方差分析

某研究者采用隨機(jī)區(qū)組設(shè)計(jì)進(jìn)行實(shí)驗(yàn)，比較三種抗癌藥物對小白鼠肉瘤抑瘤效果，先將15只染有肉瘤小白鼠按體重大小配成5個(gè)區(qū)組，每個(gè)區(qū)組內(nèi)3只小白鼠隨機(jī)接受三種抗癌藥物，以肉瘤的重量為指標(biāo)。問三種不同藥物的抑瘤效果有無差別?

例11：隨機(jī)區(qū)組設(shè)計(jì)方差分析某研究者采用隨機(jī)區(qū)組設(shè)105醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件106醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件107

SPSS實(shí)現(xiàn)：

SPSS實(shí)現(xiàn)：108醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件109醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件110醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件111醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件112注意:方差分析的結(jié)果若拒絕H0,接受H1,不能說明各組總體均數(shù)間兩兩都有差別。要分析哪些兩組間有差別,應(yīng)進(jìn)行多個(gè)均數(shù)間的多重比較。注意:113區(qū)組因素應(yīng)是對試驗(yàn)結(jié)果有影響的非處理因素。區(qū)組內(nèi)各試驗(yàn)對象應(yīng)均衡，區(qū)組之間試驗(yàn)對象具有較大的差異為好，這樣利用區(qū)組控制非處理因素的影響，并在方差分析時(shí)將區(qū)組間的變異從組內(nèi)變異中分解出來。區(qū)組因素應(yīng)是對試驗(yàn)結(jié)果有影響的非處理因素。區(qū)組內(nèi)各試驗(yàn)對象應(yīng)114當(dāng)區(qū)組間差別有統(tǒng)計(jì)學(xué)意義時(shí),隨機(jī)區(qū)組設(shè)計(jì)的誤差比完全隨機(jī)設(shè)計(jì)小,試驗(yàn)效率得以提高。當(dāng)區(qū)組間差別有統(tǒng)計(jì)學(xué)意義時(shí),115例12：析因設(shè)計(jì)方差分析例12：析因設(shè)計(jì)方差分析116醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件117醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件118

SPSS實(shí)現(xiàn)：SPSS實(shí)現(xiàn)：119

120醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件121五、多因素分析方法1.多（元）重線性回歸2.Logistic回歸3.Cox模型五、多因素分析方法1.多（元）重線性回歸1221.多（元）重線性回歸

多重線性回歸（multiplelinearregression)用于分析一個(gè)應(yīng)變量（連續(xù)性變量）和多個(gè)自變量之間的線性關(guān)系.1.多（元）重線性回歸

多重線性回歸（multipleli123多元線性回歸分析一般步驟：（1）根據(jù)樣本數(shù)據(jù)求得模型參數(shù)的估計(jì)值（2）

對回歸方程及各自變量做假設(shè)檢驗(yàn)，并對方程的擬和效果及各自變量的作用大小做出評(píng)價(jià)。多元線性回歸分析一般步驟：（2）對回歸方程及各自變量做假設(shè)124

決定系數(shù)R2

說明自變量能夠解釋Y變化的百分比。其值越接近于1，說明模型對數(shù)據(jù)的擬和效果越好.決定系數(shù)R2說明自變量能夠解釋Y變化的百分比。其值125復(fù)相關(guān)系數(shù)可以用來度量應(yīng)變量Y和多個(gè)自變量之間的線性相關(guān)程度.如果只有一個(gè)自變量時(shí)，復(fù)相關(guān)系數(shù)可以用來度量應(yīng)變量Y和多個(gè)自變量之間的線性相關(guān)程126標(biāo)準(zhǔn)化回歸系數(shù)由于各變量的測量單位不同，單從各偏回歸系數(shù)的絕對值大小來分析難以得出正確的結(jié)論。數(shù)據(jù)標(biāo)準(zhǔn)化：標(biāo)準(zhǔn)化回歸系數(shù)數(shù)據(jù)標(biāo)準(zhǔn)化：127

數(shù)據(jù)標(biāo)準(zhǔn)化得到的回歸方程稱為標(biāo)準(zhǔn)化回歸方程，相應(yīng)的回歸系數(shù)即為標(biāo)準(zhǔn)化回歸系數(shù)。意義：用來比較各自變量對Y的影響強(qiáng)度，通常在有統(tǒng)計(jì)學(xué)意義前提之下，標(biāo)準(zhǔn)化回歸系數(shù)的絕對值越大說明相應(yīng)自變量對Y的作用越大。數(shù)據(jù)標(biāo)準(zhǔn)化得到的回歸方程稱為標(biāo)準(zhǔn)化回歸方程，相應(yīng)的回歸系128例5-1為了研究影響糖尿病患者糖化血紅蛋白（HbA1c）的主要危險(xiǎn)因素，研究者收集糖尿病患者的糖化血紅蛋白（Y，%）、年齡（X1，歲）、體重指數(shù)(X2，kg/m2)、總膽固醇(X3，mmol/L)、收縮壓(X4，mmHg)和舒張壓（X5，mmHg）等數(shù)據(jù)資料?，F(xiàn)從中隨機(jī)抽取了20例，數(shù)據(jù)見表5-1，試作多元線性回歸分析。例5-1為了研究影響糖尿病患者糖化血紅蛋白（HbA1129

表5-120例糖尿病患者的數(shù)據(jù)資料編號(hào)X1X2X3X4X5Y編號(hào)X1X2X3X4X5Y14932.196.0148867.6115323.437.1161867.526724.772.7151987.4124630.562.9146797.336425.247.0151807.4135925.196.0158807.346624.264.8157877.2147627.265.4124856.956830.283.5136837.3156323.936.7133897.564826.187.6137877.6167424.947.9166827.976626.365.9157917.5175222.825.3149717.384732.075.7157897.7186424.342.5126936.896428.446.1154827.3195425.442.6151836.9107530.656.9137867.7207828.987.2147747.5表5-120例糖尿病患者的數(shù)據(jù)資料編號(hào)X1X2X3130

對以上數(shù)據(jù)通過SPSS軟件計(jì)算，主要結(jié)果如下表：

變異來源SSMSFP回歸1.0790650.215817.320.0015殘差0.41294140.02950總變異1.4920019表5-2回歸方程的方差分析表

對以上數(shù)據(jù)通過SPSS軟件計(jì)算，主要結(jié)果如下表：變異來源131

表5-3

偏回歸系數(shù)估計(jì)結(jié)果自變量偏回歸系數(shù)標(biāo)準(zhǔn)誤t

P

常數(shù)項(xiàng)3.875981.011153.830.0018X1-0.001530.00409-0.370.7146X20.031920.013482.370.0328X30.108340.024514.420.0006X40.008500.003682.310.0366X50.010580.006631.600.1328回歸方程，方程有統(tǒng)計(jì)學(xué)意義。由表5-3可見，自變量X2、X3、X4

按水平有統(tǒng)計(jì)學(xué)義，X1

和X5

無統(tǒng)計(jì)學(xué)意義。表5-3偏回歸系數(shù)估計(jì)結(jié)果自變量偏回歸系數(shù)標(biāo)準(zhǔn)誤tP132例5-227名糖尿病患者的血清總膽固醇（x1)、甘油三酯(x2)、空腹胰島素(x3)、糖化血紅蛋白(x4)、空腹血糖測量值（y)見下頁表，試建立血糖與其他幾項(xiàng)指標(biāo)的多元線性回歸方程。例5-227名糖尿病患者的血清總膽固醇（x1)、甘油三酯133

SPSS實(shí)現(xiàn)：SPSS實(shí)現(xiàn)：134醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件135醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件136醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件137醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件138醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件139（1）應(yīng)用條件Y-連續(xù)性變量殘差服從正態(tài)分布，方差相同應(yīng)變量的觀測值相互獨(dú)立

（2）樣本含量

多元線性回歸時(shí)，應(yīng)該注意樣本含量n與方程中自變量個(gè)數(shù)m的比例，經(jīng)驗(yàn)上n至少應(yīng)是m

的5～20倍。多元線性回歸

（1）應(yīng)用條件多元線性回歸140

（3）定性變量的數(shù)量化二分類定性變量處理方法可以用0或1表示，如（3）定性變量的數(shù)量化141

多分類定性變量處理方法：如果有k

類，則可用k-1個(gè)取值為0或1的啞變量來賦值表達(dá)。如常見血型分為4類，A型（100）B型（010）AB型（001）O型（000）

142

有序變量處理方法：可以按“1、2、3、…”的賦值方法直接引入回歸模型。如果樣本量較大，也可化作啞變量引入回歸模型。

有序變量處理方法：可以按“1、2、3、…”的賦值方法直接引143

（4）多重共線性當(dāng)自變量間存在較強(qiáng)的線性關(guān)系時(shí)，會(huì)使多元回歸方程中的參數(shù)估計(jì)不準(zhǔn)確，影響多元線性回歸分析的結(jié)果。（5）關(guān)于變量篩選在自變量較多的情況下，使用逐步回歸分析常能使問題得到簡化，但不要盲目信任逐步回歸得到的結(jié)果，最好結(jié)合所要研究的問題和專業(yè)知識(shí)確定應(yīng)選擇的變量。

（4）多重共線性144OR及95%CI

并說明誰與誰比較！2.影響療效的多因素分析——logistic回歸2.影響療效的多因素分析——logistic回歸145Logistic回歸模型

設(shè)因變量Y是一個(gè)二值變量，取值為：

Y=1出現(xiàn)陽性結(jié)果（發(fā)病、死亡等）

0出現(xiàn)陰性結(jié)果（未發(fā)病、存活等）Logistic回歸模型1出現(xiàn)陽性結(jié)果146記在這m個(gè)自變量作用下陽性結(jié)果發(fā)生的概率為

P=P(Y=1|X1,X2,X3,...,Xm)，logistic回歸模型可表示為

常數(shù)項(xiàng)或截距，為回歸系數(shù)。Logisticregressionanalysis

記在這m個(gè)自變量作用下陽性結(jié)果發(fā)生的概率為常數(shù)項(xiàng)或截距，為回147logistic回歸模型還可以表示成如下線性形式等號(hào)左端為陽性結(jié)果與陰性結(jié)果發(fā)生概率之比的自然對數(shù)，稱為P

的logit變換，記為logit（P），即logistic回歸模型還可以表示成如下線性形式148醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件149

對于發(fā)病率較低的慢性疾病如心腦血管疾病、惡性腫瘤等，由于P很小，優(yōu)勢比可以作為相對危險(xiǎn)度（RR）的近似估計(jì)，即對于發(fā)病率較低的慢性疾病如心腦血管疾病、惡性腫瘤等，150例5-3

研究吸煙（X1）、飲酒（X2）與食道癌（Y）關(guān)系的病例－對照資料，試作logistic回歸分析。表13-2

吸煙與食道癌關(guān)系的病例－對照調(diào)查資料吸煙X1飲酒X2疾病狀態(tài)Y觀察例數(shù)n00163011631014411126500013601010710057110151例5-3研究吸煙（X1）、飲酒（X2）與食道癌（Y）關(guān)系151各變量賦值情況如下：各變量賦值情況如下：152

用SPSS統(tǒng)計(jì)軟件logistic回歸過程可得到如下主要結(jié)果因素

回歸系數(shù)標(biāo)準(zhǔn)誤Waldχ2P值OR值OR值95%可信區(qū)間XbSb下限上限常數(shù)項(xiàng)-0.9100.13644.8700.0000.403吸煙0.8860.15034.8620.0002.4241.8073.253飲酒0.5260.15711.2070.0011.6921.2442.303用SPSS統(tǒng)計(jì)軟件logistic回歸過程可得到如下主要結(jié)153例5-4

26例冠心病病人和28例對照者進(jìn)行病例對照研究

例5-4

26例冠心病病人和28例對照者進(jìn)154例5-4數(shù)據(jù)錄入例5-4數(shù)據(jù)錄入155醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析方法-——基礎(chǔ)篇課件156（1）logistic回歸分析的應(yīng)用

logistic回歸分析可以用于流行病學(xué)、臨床試驗(yàn)數(shù)據(jù)分析、藥物或毒物的劑量反應(yīng)和預(yù)測與判別等多個(gè)方面。

logistic回歸應(yīng)用及注意事項(xiàng)

（1）logistic回歸分析的應(yīng)用logistic回157

（2）自變量的取值二分類變量：可以使用0或1編碼無序多分類變量：需要轉(zhuǎn)化為啞變量連續(xù)變量：有三種處理方法（1）直接使用原始觀測值（2）將連續(xù)變量按取值區(qū)間分成若干等級(jí)組，按給分，然后按連續(xù)變量進(jìn)行處理。（3）將連續(xù)變量按不同區(qū)間分成g個(gè)組后，化作g-1個(gè)啞變量處理。（2）自變量的取值158年齡變量離散化處理的賦值方法年齡（歲）X等級(jí)變量G啞變量X1X2X3＜40100040～210050～301060～4001年齡變量離散化處理的賦值方法年齡（歲）等級(jí)變量啞變量X1X2159

（3）樣本含量logistic回歸的所有統(tǒng)計(jì)推斷都是建立在大樣本基礎(chǔ)上的，因此其應(yīng)用的一個(gè)基本條件是要求有足夠的樣本含量，實(shí)際中病例和對照的人數(shù)應(yīng)至少各有30～50例，方程中的變量個(gè)數(shù)愈多需要的例數(shù)也就愈大。對于配對資料，一般樣本的匹配組數(shù)應(yīng)為納入方程中的自變量個(gè)數(shù)的20倍以上。（3）樣本含量1603.反應(yīng)療效快慢的多因素分析——

生存分析

生存率或生存曲線

RR及

95%CI

并說明誰與誰比較！3.反應(yīng)療效快慢的多因素分析——生存率或生存曲線161

生存分析（Survivalanalysis）是將研究對象的隨訪結(jié)局和隨訪時(shí)間兩個(gè)因素同時(shí)結(jié)合起來考慮的一種統(tǒng)計(jì)分析方法。（是臨床試驗(yàn)和隊(duì)列研究的一種重要分析手段）

162隨訪資料數(shù)據(jù)特點(diǎn)：（1）應(yīng)變量有兩個(gè)：