2022年数据分析的统计方法选择小结 .pdf

完全随机分组设计的资料一、两组或多组计量资料的比较 1.两组资料：1)大样本资料或服从正态分布的小样本资料 (1)若方差齐性，则作成组t 检验 (2)若方差不齐，则作t 检验或用成组的Wilcoxon 秩和检验 2)小样本偏态分布资料，则用成组的Wilcoxon 秩和检验 2.多组资料：1)若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。2)如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验。如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon 秩和检验，但用Bonferroni方法校正P值等）进行两两比较。名师资料总结-精品资料欢迎下载-名师精心整理-第 1 页，共 8 页 -二、分类资料的统计分析 1.单样本资料与总体比较 1)二分类资料：(1)小样本时：用二项分布进行确切概率法检验；(2)大样本时：用U检验。2)多分类资料：用Pearson c2检验（又称拟合优度检验）。2.四格表资料 1)n40并且所以理论数大于5，则用 Pearson c2 2)n40并且所以理论数大于1 并且至少存在一个理论数5，则用校正 c2 或用Fisher s 确切概率法检验 3)n 40 或存在理论数40并且理论数小于5 的格子数 行列表中格子总数的25%，则用 Fisher s 确切概率法检验4.R C 表资料的统计分析 1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH c2或Kruskal Wallis的秩和检验 2)列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作none zero correlation analysis的 CMH c2 3)列变量和行变量均为有序多分类变量，可以作Spearman相关分析 4)列变量和行变量均为无序多分类变量，(1)n40并且理论数小于5 的格子数 行列表中格子总数的25%，则用 Fisher s 确切名师资料总结-精品资料欢迎下载-名师精心整理-第 3 页，共 8 页 -概率法检验三、Poisson分布资料 1.单样本资料与总体比较：1)观察值较小时：用确切概率法进行检验。2)观察值较大时：用正态近似的U检验。2.两个样本比较：用正态近似的U检验。配对设计或随机区组设计四、两组或多组计量资料的比较 1.两组资料：1)大样本资料或配对差值服从正态分布的小样本资料，作配对t 检验 2)小样本并且差值呈偏态分布资料，则用Wilcoxon 的符号配对秩检验 2.多组资料：1)若大样本资料或残差服从正态分布，并且方差齐性，则作随机区组的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD名师资料总结-精品资料欢迎下载-名师精心整理-第 4 页，共 8 页 -检验，Bonferroni检验等）进行两两比较。2)如果小样本时，差值呈偏态分布资料或方差不齐，则作 Fredman 的统计检验。如果Fredman 的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用Wilcoxon 的符号配对秩检验，但用Bonferroni方法校正P值等）进行两两比较。五、分类资料的统计分析 1.四格表资料 1)b+c40，则用 McNemar配对 c2 检验或配对边际c2 检验 2)b+c40，则用二项分布确切概率法检验2.CC 表资料：1)配对比较：用McNemar配对 c2 检验或配对边际c2 检验 2)一致性问题（Agreement）：用 Kap 检验变量之间的关联性分析六、两个变量之间的关联性分析 1.两个变量均为连续型变量名师资料总结-精品资料欢迎下载-名师精心整理-第 5 页，共 8 页 -1)小样本并且两个变量服从双正态分布，则用Pearson 相关系数做统计分析 2)大样本或两个变量不服从双正态分布，则用Spearman相关系数进行统计分析 2.两个变量均为有序分类变量，可以用Spearman相关系数进行统计分析 3.一个变量为有序分类变量，另一个变量为连续型变量，可以用Spearman相关系数进行统计分析七、回归分析 1.直线回归：如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，则直线回归（单个自变量的线性回归，称为简单回归），否则应作适当的变换，使其满足上述条件。2.多重线性回归：应变量（Y）为连续型变量（即计量资料），自变量（X1，X2，Xp）可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，可以作多重线性回归。1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素 2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用 3.二分类的Logistic回归：应变量为二分类变量，自变量（X1，X2，Xp）可以名师资料总结-精品资料欢迎下载-名师精心整理-第 6 页，共 8 页 -为连续型变量、有序分类变量或二分类变量。1)非配对的情况：用非条件Logistic回归 (1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素 (2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用 2)配对的情况：用条件Logistic回归 (1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素 (2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用 4.有序多分类有序的Logistic回归：应变量为有序多分类变量，自变量（X1，X2，Xp）可以为连续型变量、有序分类变量或二分类变量。1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素 2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用 5.无序多分类有序的Logistic回归：应变量为无序多分类变量，自变量（X1，X2，名师资料总结-精品资料欢迎下载-名师精心整理-第 7 页，共 8 页 -Xp）可以为连续型变量、有序分类变量或二分类变量。1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素 2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用八、生存分析资：要求资料记录结局和结局发生的时间（如；死亡和死亡发生的时间）1.用 Kaplan-Meier方法估计生存曲线 2.大样本时，可以寿命表方法估计 3.单因素可以用Logrank 比较两条或多条生存曲线 4.多个因素时，可以作多重的Cox回归 1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素 2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用名师资料总结-精品资料欢迎下载-名师精心整理-第 8 页，共 8 页 -