數(shù)據(jù)分析的統(tǒng)計方法選擇小結(jié)

1、數(shù)據(jù)分析的統(tǒng)計方法選擇小結(jié),目錄,完全隨機分組設(shè)計的資料,兩組或多組計量資料的比較 兩組資料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 （2）若方差不齊，則作t’檢驗或用成組的Wilcoxon秩和檢驗小樣本偏態(tài)分布資料，則用成組的Wilcoxon秩和檢驗,完全隨機分組設(shè)計的資料,兩組或多組計量資料的比較 多組資料若大樣本資料或服從正態(tài)分布，并且方差齊性，則作完全隨機的方差分析

2、。如果方差分析的統(tǒng)計檢驗為有統(tǒng)計學(xué)意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。 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)計檢驗。如果Kruskal Wallis的統(tǒng)計檢驗為有統(tǒng)計學(xué)意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：用成組的Wilcoxon秩和檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。,完全隨機分組設(shè)計的資料,分類資料的

3、統(tǒng)計分析 單樣本資料與總體比較 二分類資料 （1）小樣本：用二項分布進行確切概率法檢驗； （2）大樣本：用U檢驗多分類資料：用Pearson ?2 檢驗（又稱擬合優(yōu)度檢驗）,完全隨機分組設(shè)計的資料,分類資料的統(tǒng)計分析 四格表資料（1）n>40并且所以理論數(shù)大于5，則用Pearson ?2 ；（2）n>40并且所以理論數(shù)大于1并且至少存在一個理 論數(shù)<5，則用校正 ?2或用Fis

4、her’s 確切概率法檢驗（3）n?40或存在理論數(shù)<1，則用Fisher’s 檢驗,完全隨機分組設(shè)計的資料,分類資料的統(tǒng)計分析 2×C表資料的統(tǒng)計分析 列變量為效應(yīng)指標，并且為有序多分類變量，行變量為分組變量，則行評分的CMH ?2或成組的Wilcoxon秩和檢驗 列變量為效應(yīng)指標并且為二分類，列變量為有序多分類變量，則用趨勢?2檢驗 行變量和列變量均為無序分類變量 （1）n>40并且理

5、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,完全隨機分組設(shè)計的資料,分類資料的統(tǒng)計分析 R×C表資料的統(tǒng)計分析列變量為效應(yīng)指標，并且為有序多分類變量，行變量為分組變量，則CMH ?2或Kruskal Wallis的秩和檢驗 列變量為效應(yīng)指標，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 ?2 列變量和行變量均

6、為有序多分類變量，可以作Spearman相關(guān)分析 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,完全隨機分組設(shè)計的資料,Poisson分布資料單樣本資料與總體比較 觀察值較小時：用確切概率法進行檢驗觀察值較大時：用正態(tài)近似的U檢驗兩個樣本比較：用正態(tài)近似的U檢驗,配對設(shè)計或隨機區(qū)組設(shè)計,兩組或多組計量資料的比較兩組

7、資料 大樣本資料或配對差值服從正態(tài)分布的小樣本資料，作配對t檢驗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,配對設(shè)計或隨機區(qū)組設(shè)計,兩組或多組計量資料的比較多組資料若大樣本資料或殘差服從正態(tài)分布，并且方差齊性，則作隨機區(qū)組的方差分析。如果方差分析的統(tǒng)計檢驗為有統(tǒng)計學(xué)意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。如果小樣本時，差值呈偏態(tài)分布資料或方差不

8、齊，則作Fredman的統(tǒng)計檢驗。如果Fredman的統(tǒng)計檢驗為有統(tǒng)計學(xué)意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：用Wilcoxon的符號配對秩檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。,配對設(shè)計或隨機區(qū)組設(shè)計,分類資料的統(tǒng)計分析四格表資料b+c>40，則用McNemar配對 ?2檢驗或配對邊際?2檢驗 b+c?40，則用二項分布確切概率法檢驗 C×C表資料 配對比較：用McNemar配對

9、 ?2檢驗或配對邊際?2檢驗 b+c?40，則用二項分布確切概率法檢驗,變量之間的關(guān)聯(lián)性分析,兩個變量之間的關(guān)聯(lián)性分析兩個變量均為連續(xù)型變量小樣本并且兩個變量服從雙正態(tài)分布，則用Pearson相關(guān)系數(shù)做統(tǒng)計分析大樣本或兩個變量不服從雙正態(tài)分布，則用Spearman相關(guān)系數(shù)進行統(tǒng)計分析 兩個變量均為有序分類變量：可以用Spearman相關(guān)系數(shù)進行統(tǒng)計分析 一個變量為有序分類變量，另一個變量為連續(xù)型變量：可以用Spearman

10、相關(guān)系數(shù)進行統(tǒng)計分析,變量之間的關(guān)聯(lián)性分析,回歸分析直線回歸：如果回歸分析中的殘差服從正態(tài)分布（大樣本時無需正態(tài)性），殘差與自變量無趨勢變化，則直線回歸（單個自變量的線性回歸，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。,變量之間的關(guān)聯(lián)性分析,回歸分析多重線性回歸：應(yīng)變量（Y）為連續(xù)型變量（即計量資料），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（大樣本時無需

11、正態(tài)性），殘差與自變量無趨勢變化，可以作多重線性回歸。觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素實驗性研究：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結(jié)果的混雜作用,變量之間的關(guān)聯(lián)性分析,回歸分析二分類的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。 非配對的情況：用非條件Logistic回

12、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）實驗性研究：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結(jié)果的混雜作用,變量之間的關(guān)聯(lián)性分析,回歸分析二分類的Logistic回歸配對的情況：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）實驗性研究：在保持主要研究因素

13、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,變量之間的關(guān)聯(lián)性分析,回歸分析有序多分類有序的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）實驗性研究：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

14、素變量，以校正這些混雜因素對結(jié)果的混雜作用,變量之間的關(guān)聯(lián)性分析,回歸分析無序多分類有序的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）實驗性研究：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結(jié)果的混雜作用,變量之間的

15、關(guān)聯(lián)性分析,生存分析生存分析資料：要求資料記錄結(jié)局和結(jié)局發(fā)生的時間（如；死亡和死亡發(fā)生的時間） 用Kaplan-Meier方法估計生存曲線大樣本時，可以壽命表方法估計單因素可以用Log－rank比較兩條或多條生存曲線多個因素時，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）實驗性研究：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