2022年统计分析方法总结 .pdf

《2022年统计分析方法总结 .pdf》由会员分享，可在线阅读，更多相关《2022年统计分析方法总结 .pdf（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、统计分析方法总结1.连续性资料1.1 两组独立样本比较1.1.1 资料符合正态分布 ,且两组方差齐性 ,直接采用 t 检验。1.1.2 资料不符合正态分布，（ 1）可进行数据转换 ,如对数转换等 ,使之服从正态分布,然后对转换后的数据采用t 检验；（ 2）采用非参数检验 ,如 Wilcoxon 检验。1.1.3 资料方差不齐，（ 1）采用 Satterthwate 的 t检验；（2）采用非参数检验 ,如 Wilcoxon 检验。1.2 两组配对样本的比较1.2.1 两组差值服从正态分布，采用配对t 检验。1.2.2 两组差值不服从正态分布，采用wilcoxon 的符号配对秩和检验。1.3 多组

2、完全随机样本比较1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果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资料不符合正态分布，或各组方差不齐，则采用非参数检验的KruscalWallis 法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni 法校正 P 值，然后用成组的Wilcoxon 检验。1.4 多组随机区组样本比较1.4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进

3、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资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman 检验法。如果检验结果为有统计学意义， 则进一步作两两比较， 一般采用 Bonferroni法校正 P 值，然后用符号配对的Wilcoxon 检验。* 需要注意的问题：（1）一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用 t 检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。（2）当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这

4、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，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，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。 * 绝不能对其中的两组直接采用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：多组资料尽管最终分析都是采用方差分析，但不同设计会有差别。常用的设计如完全随即设计，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2.1.1 例数大于 40，且所有理论数大于5，则用普通的 Pearson 检验

5、。2.1.2 例数大于 40， 所有理论数大于1， 且至少一个理论数小于5， 则用校正的检验或 Fishers确切概率法检验。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 4 页 - - - - - - - - - 2.1.3 例数小于 40，或有理论数小于2，则用 Fishers确切概率法检验。2.2 2C 表或 R2 表资料的统计分析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 Fishers

6、确切概率法检验。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，用普通的Pearson 检验只说明组间构成比不同，如要说明疗效，则可用行平均分差检验或成组的 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，则可采用普通的 Pearson 检验比较各组之间有无差别， 如果总的来说有差别， 还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。2.3 RC 表资料的统计分析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 Fishers确切概率法检验

7、。（ 3）如果要作相关性分析，可采用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，用普通的Pearson 检验只说明组间构成比不同，如要说明疗效或强弱程度的不同，则可用行平均分差检验或成组的Wilcoxon 秩和检验或 Ridit 分析。2.2.3 列变量为效应指标，且为无序多分类变量，行变量为有序多分类变量，则可采用普通的 Pearson 检验比较各组之间有无差别， 如果有差别， 还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。2.2.4 列变量行变量均为有序多分类变量，（1）如要做组间差别分析，则可用行平均分差检验或成组的Wil

8、coxon 秩和检验或 Ridit 分析。 如果总的来说有差别，还可进一步作两两比较， 以说明是否任意两组之间的差别都有统计学意义。（2）如果要做两变量之间的相关性，可采用Spearson相关分析。2.4 配对分类资料的统计分析2.4.1 四格表配对资料，（1）bc40，则用 McNemar 配对 检验。 （2）bc40，则用校正的配对检验。2.4.1 CC 资料，（ 1）配对比较：用 McNemar 配对 检验。（ 2）一致性检验，用 Kappa检验。1.连续性资料1.1 两组独立样本比较1.1.1 资料符合正态分布 ,且两组方差齐性 ,直接采用 t 检验。1.1.2 资料不符合正态分布，（

9、 1）可进行数据转换 ,如对数转换等 ,使之服从正态分布,然后对转换后的数据采用t 检验；（2）采用非参数检验 ,如 Wilcoxon检验。1.1.3 资料方差不齐，（ 1）采用 Satterthwate 的 t 检验；（ 2）采用非参数检验 ,如 Wilcoxon 检验。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 4 页 - - - - - - - - - 1.2 两组配对样本的比较1.2.1 两组差值服从正态分布，采用配对t 检验。1.2.2 两组差值不服从正态分

10、布，采用wilcoxon 的符号配对秩和检验。1.3 多组完全随机样本比较1.3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果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资料不符合正态分布，或各组方差不齐，则采用非参数检验的KruscalWallis 法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用 Bonferroni 法校正 P值，然后用成组的Wilcoxon 检验。1.4 多组随机区组样本比较1.4.1资料符合正态分布，且各组方差齐性，直

11、接采用随机区组的方差分析。如果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资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman 检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni 法校正 P 值，然后用符号配对的Wilcoxon 检验。* 需要注意的问题：（1）一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用 t 检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。（2）当进行多组

12、比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，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， 如果总的来说差别有统计学意义，然后才能作其中任意两组的比较， 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。 * 绝不能对其中的两组直接采用 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：多组资料尽管最终分析都是采用方差分析，但不同设计会有差别。 常用的设计如完全随即设计，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2.1.1

13、例数大于 40，且所有理论数大于5，则用普通的 Pearson 检验。2.1.2 例数大于 40， 所有理论数大于 1， 且至少一个理论数小于5， 则用校正的检验或 Fisher s确切概率法检验。2.1.3 例数小于 40，或有理论数小于2，则用 Fisher s确切概率法检验。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 4 页 - - - - - - - - - 2.2 2C 表或 R2 表资料的统计分析2.2.1 列变量行变量均为无序分类变量，则（1）例数大于

14、40，且理论数小于 5的格子数目 总格子数目的 25，则用 Fisher s确切概率法检验。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，用普通的Pearson 检验只说明组间构成比不同， 如要说明疗效， 则可用行平均分差检验或成组的 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，则可采用普通的 Pearson 检验比较各组之间有无差别，如果总的来说有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。2.3 RC 表资料的统计分析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

15、数小于 5的格子数目 总格子数目的 25，则用 Fisher s确切概率法检验。（ 3）如果要作相关性分析，可采用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，用普通的Pearson 检验只说明组间构成比不同，如要说明疗效或强弱程度的不同，则可用行平均分差检验或成组的Wilcoxon 秩和检验或 Ridit 分析。2.2.3 列变量为效应指标，且为无序多分类变量，行变量为有序多分类变量，则可采用普通的 Pearson 检验比较各组之间有无差别，如果有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。2.2.4 列变量行变量均为有

16、序多分类变量，（1）如要做组间差别分析，则可用行平均分差检验或成组的Wilcoxon 秩和检验或 Ridit 分析。如果总的来说有差别，还可进一步作两两比较， 以说明是否任意两组之间的差别都有统计学意义。（ 2）如果要做两变量之间的相关性，可采用Spearson相关分析。2.4 配对分类资料的统计分析2.4.1 四格表配对资料，（ 1）bc40，则用 McNemar 配对检验。（ 2）bc40，则用校正的配对检验。2.4.1 CC 资料，（ 1）配对比较：用 McNemar 配对检验。（ 2）一致性检验，用 Kappa检验。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 4 页 - - - - - - - - -