搜索
一、两组或多组计量资料的比较8BW.l$B-c.W6o1.两组资料：1)大样本资料或服从正态分布的小样本资料6G|-^+z|*uo5h(1)若方差齐性，则作成组t检验;r|+h7f*i4}!K3a$o(2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验7_0C7q7L%c+G#d2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验5{3@-_i~}2.多组资料：2n:I.I1~)US1)若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。2)如果小样本的偏态分布资料或方差不齐，则作KruskalWallis的统计检验。如果KruskalWallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。二、分类资料的统计分析1.单样本资料与总体比较&c%a%Y,T9}4J+D5z1)二分类资料：9W9p.P/^;w*M'L\!T(1)小样本时：用二项分布进行确切概率法检验；)D_+]8NM:p#a5g(2)大样本时：用U检验。2)多分类资料：用Pearsonc2检验（又称拟合优度检验）。(~5O3`&Q7o&q1a0o#l2.四格表资料5Sv+R-S2W1)n40并且所以理论数大于5，则用Pearsonc22)n40并且所以理论数大于1并且至少存在一个理论数5，则用校正c2或用Fisher’s确切概率法检验&{3o1[3\6P*X,T-R/Q)U3)n￡40或存在理论数1，则用Fisher’s检验3.2×C表资料的统计分析1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的CMHc2或成组的Wilcoxon秩和检验9^8H2|4Y0Y$c%R+^:S)@2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验3)行变量和列变量均为无序分类变量9w$A-m/}/m#O.x0^$I(1)n40并且理论数小于5的格子数行列表中格子总数的25%，则用Pearsonc2(2)n￡40或理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s确切概率法检验6^,Q9a'v(L4.R×C表资料的统计分析!I2y)X*l0e!t8t-o1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMHc2或KruskalWallis的秩和检验2)列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作nonezerocorrelationanalysis的CMHc23U+y4|4v&D&X0w8b6D+g3)列变量和行变量均为有序多分类变量，可以作Spearman相关分析2~.Q3R7JG4)列变量和行变量均为无序多分类变量，(1)n40并且理论数小于5的格子数行列表中格子总数的25%，则用Pearsonc2#^2s;d2|3m!O2F)_.Q!D#y(2)n￡40或理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s确切概率法检验4h%|-I/U1F三、Poisson分布资料1.单样本资料与总体比较：,{(v-]&X(f7U+N8`1)观察值较小时：用确切概率法进行检验。2)观察值较大时：用正态近似的U检验。3Y:x#S.k.oR'J+{I+a2.两个样本比较：用正态近似的U检验。)Y$[0[0d6A*H配对设计或随机区组设计四、两组或多组计量资料的比较3s%e:Z'|,X1.两组资料：9j(v0i2i&a,AA0w1)大样本资料或配对差值服从正态分布的小样本资料，作配对t检验2)小样本并且差值呈偏态分布资料，则用Wilcoxon的符号配对秩检验5}'R2P%N&r2cz#t2.多组资料：1)若大样本资料或残差服从正态分布，并且方差齐性，则作随机区组的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。7['W.s7h-A!`5\(U2)如果小样本时，差值呈偏态分布资料或方差不齐，则作Fredman的统计检验。如果Fredman的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用Wilcoxon的符号配对秩检验，但用Bonferroni方法校正P值等）进行两两比较。%p6J-F*^,c5r7`(R%e$g五、分类资料的统计分析9B'j;a!P3{1.四格表资料7E5T'S&P%^2C,@4e3\#q1)b+c40，则用McNemar配对c2检验或配对边际c2检验2)b+c￡40，则用二项分布确切概率法检验,c#^/F&V0]+zE2.C×C表资料：2W2V$J/X7q:z)y+C9_1)配对比较：用McNemar配对c2检验或配对边际c2检验!l+U&]0]xj,I7O/d:f2)一致性问题（Agreement）：用Kap检验变量之间的关联性分析六、两个变量之间的关联性分析1.两个变量均为连续型变量4A1g5t%C!\F8h:j'K1)小样本并且两个变量服从双正态分布，则用Pearson相关系数做统计分析2)大样本或两个变量不服从双正态分布，则用Spearman相关系数进行统计分析!ca4W.~4o&S+Z4x2.两个变量均为有序分类变量，可以用Spearman相关系数进行统计分析3.一个变量为有序分类变量，另一个变量为连续型变量，可以用Spearman相关系数进行统计分析8c,X)C*s/x七、回归分析1.直线回归：如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，则直线回归（单个自变量的线性回归，称为简单回归），否则应作适当的变换，使其满足上述条件。(V5E.s)V5}T,e'n2.多重线性回归：应变量（Y）为连续型变量（即计量资料），自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，可以作多重线性回归。*~$FQ4|#S.[;~1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用3.二分类的Logistic回归：应变量为二分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。7z(D)o,J*X$f9w1)非配对的情况：用非条件Logistic回归(1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素0J;a;o3],\0p9a4s5j(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用-O;b(z(M9Ea,B2P-g2)配对的情况：用条件Logistic回归(1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素+^2a;H0tO$t-t'O$P(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用4.有序多分类有序的Logistic回归：应变量为有序多分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。'F0O6d;w&A1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素_'y-c6r*L2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用5.无序多分类有序的Logistic回归：应变量为无序多分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用9D3