常用医学统计学方法汇总.doc

常用医学统计学方法汇总 常用医学统计学方法汇总 常用医学统计学方法汇总 选择适合的统计学方法 连续性资料 1.1两组独立样本比较 资料吻合正态分布,且两组方差齐性,直接采纳t检验。 资料不吻合正态分布，（1）可进行数据变换 ,如对数变换等,使之遵从正态分布 ,而后对 变换后的数据采纳t检验；（2）采纳非参数检验 ,如Wilcoxon检验。 资料方差不齐，（1）采纳Satterthwate的t检’验；（2）采纳非参数检验,如Wilcoxon检 验。 1.2两组配对样本的比较 两组差值遵从正态分布，采纳配对 t检验。 两组差值不遵从正态分布，采纳 wilcoxon 的符号配对秩和检验。 1.3多组完好随机样本比较 1.3.1资料吻合正态分布，且各组方差齐性，直接采纳完好随机的方差解析。假如检验结果 为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。 1.3.2资料不吻合正态分布，或各组方差不齐，则采纳非参数检验的  Kruscal－Wallis  法。如 果检验结果为有统计学意义，用成组的Wilcoxon检验。  则进一步作两两比较，  一般采纳  Bonferroni  法校订  P值，而后 1.4多组随机区组样本比较 1.4.1资料吻合正态分布，且各组方差齐性，直接采纳随机区组的方差解析。假如检验结果 为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。 1.4.2资料不吻合正态分布，或各组方差不齐，则采纳非参数检验的Fridman检验法。假如 检验结果为有统计学意义，则进一步作两两比较，一般采纳Bonferroni法校订P值，而后用 符号配对的  Wilcoxon  检验。 需要注意的问题： （1）一般来说，假如是大样本，比方各组例数大于50，可以不作正态性检验，直接采纳检验或方差解析。因为统计学上有中心极限制理，假设大样本是遵从正态分布的。  t （2）当进行多组比较时，最简单犯的错误是仅比较此中的两组，而不管其余组，这样作容 易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组间的比较，假如总的来说差异有统计学意义，而后才能作此中任意两组的比较，这些两两比较有特定的统计方法，如上 面提到的LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。绝不可以对此中的两 组直接采纳t检验，这样即使得出结果也未必正确 （3）关于常用的设计方法：多组资料尽管最后解析都是采纳方差解析，但不一样设计会有差 别。常用的设计如完好随即设计，随机区组设计，析因设计，裂区设计，嵌套设计等。 2．分类资料 2.1四格表资料 例数大于 40，且所有理论数大于 5，则用一般的Pearson检验。 例数大于 40，所有理论数大于 1，且最少一个理论数小于 5，则用校订的 检验或Fisher’s 的确概率法检验。 例数小于 40，或有理论数小于 2，则用Fisher’s的确概率法检验。 2.22 C×表或R×2表资料的统计解析 2.2.1列变量＆行变量均为无序分类变量，则（1）例数大于40，且理论数小于5的格子数 目总格子数目的  25％，则用一般的  Pearson  检验。（2）例数小于  40，或理论数小于  5的格 子数目  总格子数目的  25％，则用  Fisher  ’s的确概率法检验。 2.2.2列变量为效应指标，且为有序多分类变量，行变量为分组变量，用一般的  Pearson  检 验只说明组间构成比不一样，如要说明疗效，则可用行均匀分差检验或成组的  Wilcoxon  秩和 检验。 2.2.3列变量为效应指标，且为二分类变量，行变量为有序多分类变量，则可采纳一般的Pearson检验比较各组之间有无差异，假如总的来说有差异，还可进一步作两两比较，以说明能否任意两组之间的差异都有统计学意义。 2.3R  ×C表资料的统计解析 2.2.1列变量＆行变量均为无序分类变量，则（1）例数大于40，且理论数小于5的格子数 目总格子数目的25％，则用一般的Pearson检验。（2）例数小于40，或理论数小于5的格 子数目总格子数目的25％，则用Fisher’s的确概率法检验。（3）假如要作相关性解析，可 采纳Pearson相关系数。 2.2.2列变量为效应指标，且为有序多分类变量，行变量为分组变量，用一般的  Pearson  检 验只说明组间构成比不一样，  如要说明疗效或强弱程度的不一样，  则可用行均匀分差检验或成组 的  Wilcoxon  秩和检验或  Ridit  解析。 2.2.3列变