假设检验(计量资料)14-9研剖析.ppt

计量资料的统计推断 * 例3-7：（P39）为研究国产四类新药阿卡波糖胶囊的降血糖效果，某医院用40名2型糖尿病病人进行同期随机对照试验。试验者将这些病人随机等分到试验组(用阿卡波糖胶囊)和对照组(用拜唐苹胶囊)，分别测得试验开始前和8周后的空腹血糖，算得空腹血糖下降值见表3-6，能否认为该国产四类新药阿卡波糖胶囊与拜唐苹胶囊对空腹血糖的降糖效果不同？ 表3-6 试验组和对照组空腹血糖下降值(mmol/L) 试验组X1 (n1=20) -0.70 -5.60 2.00 2.80 0.70 3.50 4.00 5.80 7.10 -0.50 2.50 -1.60 1.70 3.00 0.40 4.50 4.60 2.50 6.00 -1.40 对照组X2 (n2=20) 3.70 6.50 5.00 5.20 0.80 0.20 0.60 3.40 6.60 -1.10 6.00 3.80 2.00 1.60 2.00 2.20 1.20 3.10 1.70 -2.00 * 方差不等时两样本均数比较的方法： 变量变换 t’检验(近似t检验) 非参数检验 * u 检验（u/z test） 1. 大样本均数与已知总体均数比较的u 检验 2. 两个（大）样本均数比较的u检验 * (大样本均数与已知总体均数比较的u 检验) 目的：比较样本均数所代表的未知总体均数 与已知的总体均数有无差别 1.单样本u检验： 适用于n较大(n﹥50)。 * 计算公式：u 统计量 * 目的：由两个样本均数的差别推断两样本所代表的总体均数间有无差别。 统计量u的计算公式： 两大样本均数比较的u 检验 * 两样本t检验、u检验，得到P﹤?，拒绝H0，接受H1 ，可认为两总体均数不等。得到P＞?，不拒绝H0，还不能证明两总体均数相等。 要推断两总体均数是否相等或相差很小，常需借助等效检验(equivalence test)。 等效检验常用于新药临床试验评价 * 第六节 假设检验中的两类错误及注意事项 * 第Ⅰ类错误和第Ⅱ类错误： 当拒绝H0时，可能拒绝了实际上成立的H0，这类“弃真”的错误称为Ⅰ类错误(type Ⅰ error)，其概率大小用α表示,可取单尾或双尾。常称之为检验水准。 当不拒绝H0时，没有拒绝实际上不成立的H0,这类“存伪”的错误称为Ⅱ类错误(type Ⅱ error)，其概率大小用β表示，只取单尾。 假设检验中的两类错误 * 假设检验中的两类错误 客观实际 拒绝H0 不拒绝H0 H0成立 第Ⅰ类错误（α） 推断正确（1- α） H0不成立 推断正确（1- β） 第Ⅱ类错误（β） * 检验效能（power of a test）：1-β 当两个总体存在差异时所使用的统计检验能够发现这种差异的能力，也称为把握度。 α与β的关系： 当样本量一定时, α 愈小, 则 β 愈大，反之α 愈大, 则 β 愈小。 若要同时减小α与β，唯一的办法是增加n。 * 1.要有严密的研究设计 组间应均衡，具有可比性，也就是除对比的主要因素(如临床试验用新药和对照药)外，其它可能影响结果的因素(如年龄、性别、病程、病情轻重等)在对比组间应相同或相近。 假设检验的注意事项 * 2.不同资料应选用不同检验方法 配对设计计量资料：配对t检验。 完全随机设计两样本计量资料： （近似）正态且方差齐，两样本t检验；若方差不齐或非正态分布，非参数检验、近似t?检验。 … * 3.正确理解“显著性”一词的含义 差别有或无统计学意义，过去称差别有或无“显著性”，是对样本统计量与总体参数或样本统计量之间的比较而言，相应推断为：可以认为或还不能认为两个或多个总体参数不等。 * 4.结论不能绝对化 因统计结论具有概率性质，故“肯定”、“一定”、“必定”等词不要使用。在报告结论时，最好列出检验统计量的值，尽量写出具体的P值或P值的确切范围，而不简单写成P﹤0.05，以便读者与同类研究进行比较或进行循证医学时采用Meta分析。 * 5.统计“显著性”与医学“显著性” 统计“显著性”对应统计结论，医学“显著性”对应专业结论。 统计结论有意义，专业结论无意义，最终结论没有意义，样本含量过大或设计存在问题。统计结论无意义，专业结论有意义，检查设计是否合理、样本含量是否足够。 * 6.可信区间与假设检验区别和联系 可信区间说明量的大小即推断总体均数范围，假设检验推断质的不同即判断两总体均数是否不等。 可信区间可回答假设检验问题，可信区间若包含了H0 ，按?水准，不拒绝H0；若不包含H0 ，按?水准，拒绝H0 ，接受H1。 * 可信区间不