1、數(shù)據(jù)分析的統(tǒng)計(jì)方法選擇小結(jié),目錄,完全隨機(jī)分組設(shè)計(jì)的資料,兩組或多組計(jì)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(yàn) （2）若方差不齊，則作t’檢驗(yàn)或用成組的Wilcoxon秩和檢驗(yàn)小樣本偏態(tài)分布資料，則用成組的Wilcoxon秩和檢驗(yàn),完全隨機(jī)分組設(shè)計(jì)的資料,兩組或多組計(jì)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(jī)的方差分析

2、。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。 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。,完全隨機(jī)分組設(shè)計(jì)的資料,分類資料的

3、統(tǒng)計(jì)分析 單樣本資料與總體比較 二分類資料 （1）小樣本：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn)； （2）大樣本：用U檢驗(yàn)多分類資料：用Pearson ?2 檢驗(yàn)（又稱擬合優(yōu)度檢驗(yàn)）,完全隨機(jī)分組設(shè)計(jì)的資料,分類資料的統(tǒng)計(jì)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(gè)理 論數(shù)<5，則用校正 ?2或用Fis

4、her’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),完全隨機(jī)分組設(shè)計(jì)的資料,分類資料的統(tǒng)計(jì)分析 2×C表資料的統(tǒng)計(jì)分析 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 ?2或成組的Wilcoxon秩和檢驗(yàn) 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?2檢驗(yàn) 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(yàn),完全隨機(jī)分組設(shè)計(jì)的資料,分類資料的統(tǒng)計(jì)分析 R×C表資料的統(tǒng)計(jì)分析列變量為效應(yīng)指標(biāo)，并且為有序多分類變量，行變量為分組變量，則CMH ?2或Kruskal Wallis的秩和檢驗(yàn) 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 ?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(yàn),完全隨機(jī)分組設(shè)計(jì)的資料,Poisson分布資料單樣本資料與總體比較 觀察值較小時(shí)：用確切概率法進(jìn)行檢驗(yàn)觀察值較大時(shí)：用正態(tài)近似的U檢驗(yàn)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),兩組或多組計(jì)量資料的比較兩組

7、資料 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)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),配對(duì)設(shè)計(jì)或隨機(jī)區(qū)組設(shè)計(jì),兩組或多組計(jì)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(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。如果小樣本時(shí)，差值呈偏態(tài)分布資料或方差不

8、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。,配對(duì)設(shè)計(jì)或隨機(jī)區(qū)組設(shè)計(jì),分類資料的統(tǒng)計(jì)分析四格表資料b+c>40，則用McNemar配對(duì) ?2檢驗(yàn)或配對(duì)邊際?2檢驗(yàn) b+c?40，則用二項(xiàng)分布確切概率法檢驗(yàn) C×C表資料 配對(duì)比較：用McNemar配對(duì)

9、 ?2檢驗(yàn)或配對(duì)邊際?2檢驗(yàn) b+c?40，則用二項(xiàng)分布確切概率法檢驗(yàn),變量之間的關(guān)聯(lián)性分析,兩個(gè)變量之間的關(guān)聯(lián)性分析兩個(gè)變量均為連續(xù)型變量小樣本并且兩個(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 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 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

10、相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)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(shí)無需正態(tài)性），殘差與自變量無趨勢變化，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。,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(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

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(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,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(duì)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(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,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(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

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(duì)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(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

14、素變量，以校正這些混雜因素對(duì)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(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,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(shí)間（如；死亡和死亡發(fā)生的時(shí)間） 用Kaplan-Meier方法估計(jì)生存曲線大樣本時(shí)，可以壽命表方法估計(jì)單因素可以用Log－rank比較兩條或多條生存曲線多個(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