《统计学方法各种应用条件、校正条件》由会员分享，可在线阅读，更多相关《统计学方法各种应用条件、校正条件（5页珍藏版）》请在金锄头文库上搜索。
1、统计学 各种应用条件、校正条件 应用检验方法必须符合其适用条件，不同设计的数据应选用不同检验方法。 一、第五章 参数估计 P74 总体均数的置信区间 1.正态近似法： 总体标准差 已知，或 未知但 n50 时 2. t 分布法 总体标准差 未知，且 n50 时 二、第六章 计量资料两组均数 t 检验 P93、P99 （一）t 检验的应用条件 适用于计量资料（单样本、两配对样本、两独立样本），并要求： 1. 样本来自正态分布的总体。W 检验（n50 时） ，H0：样本来自正态总体，P0.05 时尚不能认为两组资料的分 布非正态； 2. 两独立样本均数比较时，两总体方差齐性。Levene 检验，H
2、0：方差相等。P0.05 时尚不能认为两组资料方 差不齐。 （二）方差不齐或非正态时，两计量资料均数的比较方法 方法 1. 仅方差不齐时，可采用近似 t 检验，即 t检验。 方法 2. 变量变换：对数变换、平方根变换、倒数变换等 方法 3. 非参数检验：Wilcoxon 符号秩检验（两相关样本 P142） ；Wilcoxon 秩和检验、Mann-Whiney-U 检验（两 独立样本 P145）等 三、第七章 计量资料多组均数的比较-方差分析 （一）方差分析流程 P109 1、多个样本均数比较。若 P0.05，均数不全相等，则进行第 2 步； 2、作多重比较：LSD-t 检验、Dunnett-t
3、 检验（多个实验组与一个对照组比较） 、SNK-q 检验（多个均数间全面 比较） （二）方差分析的应用条件 P114 1、各样本相互独立，服从正态分布；W 检验 2、各样本方差齐性。Levene 检验 四、分类资料（计数资料）的比较-?检验 （一）四格表资料（两独立样本率的?检验）P123 1、n40，且所有 T5 时，计算普通 Pearson ?值 2、n40，且有 1T5 时，用校正公式计算?值； 3、n40，或有 T1 时，改用 Fisher 确切概率法计算 P 值。 先估计表中最小的理论频数 T 值 ?=(?)/n ，也就是行合计最小值与列合计最小值所对应的格子的 T 值，结 合 n
4、值，以确定是否采用校正公式 （二）配对四格表资料（两相关样本率?检验）P127 1、b+c40 时，计算普通 McNemar ?值 2、b+c40 时，需校正 （三）RC 表的?检验 P131 1、多个样本率的比较 多个样本率比较，若 P15 或 g 15 时，用?近似法，计算?值。相持较多 时应校正?值。P153 （五）等级资料 1、两组等级资料 比较疗效/程度是否有差别。确定 P 值：计算 u 值。相持较多时应校正 u 值。P155 2、多组等级资料 比较疗效/程度是否有差别。采用 H 检验。P156 六六、第十章第十章 相关相关与回归与回归 （一）简单线性 Pearson 相关分析 1、
5、要求：两变量满足双变量正态分布(型回归)P164、P179 2、在进行相关分析前应先绘制散点图；分层资料盲目合并易出假象 3、线性相关分析的一般步骤：P165 绘制散点图，观察两变量的变化趋势； 若散点图呈直线趋势，计算相关系数 r； 对相关系数 r 进行假设检验。 （二）Spearman 秩相关 P175 1、不服从双变量正态分布，或原始数据为等级资料，或总体分布类型未知 2、Spearman 等级相关系数 ? 的计算：相持较多时应校正。 3、P 值的确定：当 n50 时，计算检验统计量 u，查 u 界值确定 P 值。 （三）简单线性回归 1、应用条件：线性、独立、正态、方差相等 P169
6、因变量 X 与自变量 Y 呈线性关系。 （或型回归） 每个个体观察值之间相互独立。 在一定范围内，任意给定的 X 值，对应的随机变量 Y 值都服从正态分布。 在一定范围内，不同的 X 值所对应的随机变量 Y 的方差相等。 2、方差分析、t 检验判断回归方程是否成立，即总体上 X 与 Y 的线性回归关系是否存在。P169 决定系数 R2反映了自变量 X 对应变量 Y 的影响大小。R2值越大表示 X 对 Y 的影响越大。 3、在进行线性回归分析之前，应先绘制散点图；作回归分析时要注意是否有实际意义；分层资料盲目合并易造 成假象。P174 七七、第十四章第十四章 重复测量资料重复测量资料的方差分析的
7、方差分析 （一）重复测量资料方差分析的条件：P240 1、正态性 处理因素的各处理水平的样本个体之间是相互独立的随机样本，服从正态分布； 2、方差齐性 相互比较的各处理水平的总体方差相等，即具有方差齐同 （二）方差分析 F 值的自由度的校正 P240 若满足“球对称 Mauchly 检验/H 型条件” ，不需要校正； 若不满足“球对称 Mauchly 检验/H 型条件” ，则需要校正。 （三）不适用于：存在滞留效应、潜隐效应、练习效应 八八、第十五章第十五章 协方差协方差分析分析 （一）协变量 X 的要求：P263 连续型变量；不能影响处理因素，且协变量的取值应在施加处理因素前已获得；或虽然在
8、研究中观察到，但不 受处理因素的影响。 （二）协方差分析的应用条件：P263 1、各组观察指标服从正态分布，各组观察指标彼此独立，方差齐性； 2、 各组协变量与观察指标存在线性回归关系， 且斜率相同(回归直线平行)， 即要求各组回归系数本身有显著性， 且各组回归系数间的差别无显著性。 2.1、回归直线是否平行的检验： 通过多因素方差分析检验协变量与处理组的交互作用是否存在。若 P0.05，无交互作用，则可认为各组的回 归直线平行， 3、各组协变量均数间的差别应进行假设检验，若差别不大（P0.05） ，则协方差分析的检验效果较好。 （四）协方差分析流程 P259 1、检查协方差分析的应用条件 2
9、、检验误差项回归关系是否有统计学意义。 （P0.05 有意义） 3、检验校正后的观察值不同组别的差别是否有统计学意义（P0.05 有意义） 4、计算各处理组观察值的修正均数 5、各修正均数的两两多重比较 SNK-q 检验 九九、第十六章第十六章 多重线性回归多重线性回归 （一）多重线性回归模型的应用条件：P271 1、Y 与 X1、X2，Xm之间具有线性关系； 2、各观测值 Yi之间相互独立； 3、残差服从（0，?2）的正态分布，即对于任意一组自变量 X，Y 均服从正态分布且方差相同。 应用时的注意事项 P282 1、指标的数量化：Y 为计量资料。 2、多重共线性 3、变量间的交互作用 4、残
10、差分析 5、样本含量 （二）多重线性回归分析的基本步骤： 1、检查应用条件； 2、根据样本数据建立多重线性回归方程 3、多重线性回归方程模型的是否成立的假设检验（方差分析，P0.05 有意义）及评价（决定系数 R2、复相关 系数 R、校正决定系数? ? ） 4、各自变量的假设检验（F 检验/ t 检验：P0.05 时自变量 Xj与应变量 Y 有线性回归关系）及评价（标准化 的偏回归系数的绝对值越大，相应自变量对 Y 作用越大） 十十、第十七章第十七章 logistic 回归回归 （一）logistic 回归模型假设检验 P290 1、似然比检验整个模型（P0.05 有意义） 2、Wald?检验
11、单个回归系数（P0.05 有意义） （二）回归模型的应用条件 P296 1、各观测单位间的独立性 2、自变量为连续或等级变量时，logit(P)与自变量呈线性关系；自变量为二分类变量时不考虑； 3、自变量之间不存在多重共线性 （二）根据应变量 Y 的类型选择合适的模型。二分类 logistic 回归，多分类广义 logistic 回归，等级累计比数 logistic 回归 （三）样本含量为自变量个数的 20 倍以上 （四）注意变量赋值形式和选择 （五） Y 多重线性回归 连续计量资料 logistic 回归 二分类、多分类、等级变量资料 十一十一、生存分析生存分析 （一）生存曲线的比较问题 P
12、310 需对差异有无统计学意义进行假设检验： log-rank 检验 （基本思想： 比较实际死亡数与理论死亡数是否有差别） （二）COX 模型分析 P322 设计阶段应注意的问题 1、样本的代表性要好（样本量一般在 40 例以上，通常要求是协变量数的 15-20 倍，且截尾率不宜太高） 。 2、协变量在研究对象中的分布要适中。 3、考虑危险因素要全面，避免遗漏重要因素和加入无关因素。 模型拟合时应注意的问题 1、多重共线性问题。相关系数绝对值0.7 的变量要避免同时进入。 2、Cox 模型要求各危险因素间不存在交互作用。 3、Cox 模型要求病人的死亡风险与其基础风险呈恒定的比例，即要求危险因
13、素对生存时间作用不随时间变化 而变化。 3.1 比例风险假定的检验 分类变量：绘制每个协变量不同水平的生存曲线，若无交叉则满足比例风险假定； 连续型变量：将每个协变量与对数生存时间的交互作用项X*ln(t)放入模型中，如无统计学意义，则满足比 例风险假定。 附：生存曲线意义 由图可见： 1.随着生存时间的递增生存曲线从 1 到 0 逐渐呈阶梯状下降，乙法曲线 下降迅速； 2.甲法生存曲线高于乙法，且无交叉，直观表明甲法生存率高于乙法； 3.甲法删失个体多，散布在第 2、3 两年，乙法无删失； 4.甲法的两年生 存率约为 0.43，而乙法为 0； 5.中位生存时间甲法约为 10 个月，乙法约为
14、6 个月。 统计学 资料类型及统计方法选择 一、 完全随机设计 两/多组独立样本资料 从不同总体中随机抽样，通过样本估测比较两总体 从同一总体中随机抽样， 并分配到不同处理组， 观察比较不同处理效应 配对设计 两组相关样本资料 异体配对：同种属、窝别、性别 自身配对：左右对照、部位对照、前后时间对照 随机区组设计 多组相关样本资料 配伍组设计 二、 计量资料 连续型、离散型 计数资料 无序分类资料 二分类、多分类 等级资料 有序分类资料 三 分类资料 强度相对数（率） 、结构相对数（构成比） 、相对比 等级资料 单变量：秩次、秩和、平均秩和 双变量：Spearman 等级相关系数rs 四、 计
15、量资料 两组比较 配对设计 配对 t 检验 P87 Wilcoxon 符号秩检验 P142 完全随机设计 成组 t 检验 P90 Wilcoxon 秩和检验 P145 多组比较 随机区组设计 方差分析 P106 Friedman M 秩和检验 P151 完全随机设计 方差分析 P105 Kruskal-Wallis H 秩和检验 P148 等级资料 两组比较 配对设计 Wilcoxon 符号秩检验 P142 完全随机设计 Wilcoxon 秩和检验 P145 多组比较 随机区组设计 Friedman M 秩和检验 P151 完全随机设计 Kruskal-Wallis H 秩和检验 P148 计
16、数资料 两/多组率/构成比，关联性检验 卡方检验/fisher 确切概率法 P121 相关 计量 Pearson 相关 P164 等级 Spearman 秩相关 P175 计数 列联系数 P134 五、 处理因素 其他 完全随机设计 1 个 随机区组设计 1 个 区组因素 1 个 多因素资料方差分析（析 因设计） 2 个 重复测量资料方差分析 单组 受试者间因素 1 个 时间因素2 个 多组 受试者间因素2 个 时间因素2 个 协方差分析 单因素，有一个难以控 制的连续性定量因素 X 观察因素 Y 为连续变量 多重线性回归 多因素，其中有一个或 多个难以控制的因素 X 观察因素 Y 为连续变量 无删失 Logistic 回归 观察因素 Y 为二分类、多分类、等级变量 无删失 COX 回归 观察因素 Y 为生存时间，资料
