第一篇：醫(yī)學(xué)統(tǒng)計(jì)學(xué)各種資料比較_選擇方法小結(jié)

醫(yī)學(xué)統(tǒng)計(jì)學(xué)各種資料比較 選擇方法小結(jié)

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：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)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)n>40并且所以理論數(shù)大于5，則用Pearson c2

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)<5，則用校正c2或用Fisher’s 確切概率法檢驗(yàn)

3)n￡40或存在理論數(shù)<1，則用Fisher’s 檢驗(yàn) 3.2×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，則行評(píng)分的CMH c2或成組的Wilcoxon秩和檢驗(yàn)

2)列變量為效應(yīng)指標(biāo)并且為二分類，列變量為有序多分類變量，則用趨勢(shì)c2檢驗(yàn)

3)行變量和列變量均為無序分類變量

(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Pearson c2

(2)n￡40或理論數(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 c2

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Pearson c2

(2)n￡40或理論數(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+c>40，則用McNemar配對(duì)c2檢驗(yàn)或配對(duì)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(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 1.兩個(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)自變量的線性回歸，稱為簡單回歸），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Log－rank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

第二篇：醫(yī)學(xué)統(tǒng)計(jì)學(xué)各種資料比較選擇方法小結(jié)

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：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)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)n>40并且所以理論數(shù)大于5，則用Pearson c2 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)<5，則用校正c2或用Fisher’s 確切概率法檢驗(yàn)

3)n￡40或存在理論數(shù)<1，則用Fisher’s 檢驗(yàn) 3.2×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，則行評(píng)分的CMH c2或成組的Wilcoxon秩和檢驗(yàn)

2)列變量為效應(yīng)指標(biāo)并且為二分類，列變量為有序多分類變量，則用趨勢(shì)c2檢驗(yàn) 3)行變量和列變量均為無序分類變量

(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Pearson c2(2)n￡40或理論數(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 c2 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Pearson c2(2)n￡40或理論數(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+c>40，則用McNemar配對(duì)c2檢驗(yàn)或配對(duì)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(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 1.兩個(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)自變量的線性回歸，稱為簡單回歸），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

第三篇：常用醫(yī)學(xué)統(tǒng)計(jì)學(xué)方法的選擇

常用醫(yī)學(xué)統(tǒng)計(jì)學(xué)方法的選擇

1.多組率的比較用卡方檢驗(yàn)（χ2檢驗(yàn)，chi-square test)直接用幾個(gè)率的數(shù)值比較，與直接用原始數(shù)據(jù)錄入比較，結(jié)果會(huì)有什么不同？卡方值會(huì)受樣本量的影響，樣本越多，卡方值越大。

2.多組計(jì)量資料比較采用方差分析(F檢驗(yàn))，不能用t檢驗(yàn)。當(dāng)方差分析結(jié)果為P<0.05時(shí)，只能說明k組總體均數(shù)之間不完全相同。若想進(jìn)一步了解哪兩組的差別有統(tǒng)計(jì)學(xué)意義，需進(jìn)行多個(gè)均數(shù)間的多重比較，即SNK-q檢驗(yàn)(多個(gè)均數(shù)兩兩之間的全面比較)、LSD-t檢驗(yàn)(適用于一對(duì)或幾對(duì)在專業(yè)上有特殊意義的均數(shù)間差別的比較)和Dunnett檢驗(yàn)(適用于k-1個(gè)實(shí)驗(yàn)組與一個(gè)對(duì)比組均數(shù)差別的多重比較)。

3.非正態(tài)分布多組數(shù)據(jù)之間比較選用非參數(shù)檢驗(yàn)、單樣本中位數(shù)檢驗(yàn)（符號(hào)檢驗(yàn)和 Wilcoxon 檢驗(yàn)）、雙樣本中位數(shù)檢驗(yàn)（Mann-Whitney 檢驗(yàn)）、方差分析（Kruskal-Wallis、Mood 中位數(shù)和 Friedman 檢驗(yàn)）

4.按血糖水平從低到高分成多組，進(jìn)行多組之間死亡率的比較，由于死亡率同樣受年齡、性別、病史、您身邊的論文好秘書：您的原始資料與構(gòu)思,我按您的意思整理成優(yōu)秀論文論著,并安排出版發(fā)表，扣1550116010、766085044自信我會(huì)是您人生路上不可或缺的論文好秘書血脂等因素的影響，所以需選取合適統(tǒng)計(jì)方法實(shí)現(xiàn)“調(diào)整年齡、性別等危險(xiǎn)因素后，按血糖分組進(jìn)行死亡率的比較（由血糖從低到高分成的4組）”。①年齡是定量變量（是數(shù)值），調(diào)整年齡的方法可在Logistic回歸中運(yùn)用，連續(xù)性變量年齡加入covariate中，當(dāng)成協(xié)變量，就可以調(diào)整年齡，age-adjusted odds ratio就能得到了。②性別性別是二分類變量，不是定量變量，不可在LOGISTIC回歸里比較。調(diào)整性別可在卡方檢驗(yàn)中采取分層的方法比較。

如果為多分類LOGISTIC回歸，在選擇用multinomianl LOGISTIC回歸中，可選入年齡等進(jìn)入covariate，觀察年齡的配比情況?？砂研詣e選入factors(自變量)。這樣可以實(shí)現(xiàn)調(diào)整年齡、性別等危險(xiǎn)因素。

5.回顧性研究(1)臨床妊娠率和女性年齡的關(guān)系+(2)男性影響臨床妊娠的精子參數(shù)比較： 數(shù)據(jù)類型及變量的說明：y：計(jì)量 擬采用的分析方法：卡方檢驗(yàn) 擬采用的分析軟件：spss 原始數(shù)據(jù)附件及格式：word表

能否用其他方法統(tǒng)計(jì)分析：可用卡方分割，調(diào)整檢驗(yàn)水準(zhǔn)（根據(jù)比較的次數(shù)N，校正后的檢驗(yàn)水準(zhǔn)為0.05/N）。

6.重復(fù)t檢驗(yàn)：多個(gè)樣本均數(shù)間的兩兩比較(又稱多重比較)不宜用t檢驗(yàn)，因?yàn)橹貜?fù)數(shù)次，t檢驗(yàn)將增加第一類錯(cuò)誤的概率，使檢驗(yàn)效率降低。此時(shí)宜用方差分析，并在此基礎(chǔ)上用兩兩比較方法(如．SNK、LSD、Duncan法等)。

對(duì)于同一對(duì)均數(shù)間的差異，用t檢驗(yàn)無顯著性，而兩兩比較可能有顯著性，可見錯(cuò)誤選用統(tǒng)計(jì)方法將推出錯(cuò)誤結(jié)論。

統(tǒng)計(jì)方法的選擇: 分計(jì)量、計(jì)數(shù)、等級(jí)資料三

第四篇：醫(yī)學(xué)統(tǒng)計(jì)學(xué) 常用方法小結(jié)

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：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)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)n>40并且所以理論數(shù)大于5，則用Pearson c2 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)<5，則用校正c2或用Fisher’s 確切概率法檢驗(yàn)

3)n￡40或存在理論數(shù)<1，則用Fisher’s 檢驗(yàn) 3.2×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，則行評(píng)分的CMH c2或成組的Wilcoxon秩和檢驗(yàn)

2)列變量為效應(yīng)指標(biāo)并且為二分類，列變量為有序多分類變量，則用趨勢(shì)c2檢驗(yàn) 3)行變量和列變量均為無序分類變量

(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Pearson c2(2)n￡40或理論數(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 c2 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Pearson c2(2)n￡40或理論數(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+c>40，則用McNemar配對(duì)c2檢驗(yàn)或配對(duì)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(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 1.兩個(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

第五篇：醫(yī)學(xué)統(tǒng)計(jì)學(xué)各種資料比較選擇方法小結(jié)(學(xué)醫(yī)的都有用哦)

醫(yī)學(xué)統(tǒng)計(jì)學(xué)各種資料比較選擇方法小結(jié)（學(xué)醫(yī)的都有用哦）來源： 徐萌的日志

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：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)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)n>40并且所以理論數(shù)大于5，則用Pearson c2 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)<5，則用校正c2或用Fisher’s 確切概率法檢驗(yàn)

3)n￡40或存在理論數(shù)<1，則用Fisher’s 檢驗(yàn) 3.2×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，則行評(píng)分的CMH c2或成組的Wilcoxon秩和檢驗(yàn)

2)列變量為效應(yīng)指標(biāo)并且為二分類，列變量為有序多分類變量，則用趨勢(shì)c2檢驗(yàn) 3)行變量和列變量均為無序分類變量

(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Pearson c2(2)n￡40或理論數(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 c2 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Pearson c2(2)n￡40或理論數(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+c>40，則用McNemar配對(duì)c2檢驗(yàn)或配對(duì)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(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 1.兩個(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)自變量的線性回歸，稱為簡單回歸），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