《数据统计方法的选择》由会员分享，可在线阅读，更多相关《数据统计方法的选择（7页珍藏版）》请在金锄头文库上搜索。
1、数据分析的统计方法选择小结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
2、果 KruskalWallis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。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。1 / 72)多分类资料：用 Pearson2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 22)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 2或用 Fisher s确切概率法检验3)n40 或
3、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 2 或 KruskalWallis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 zerocorrelation analysis的 CMH 23)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
4、确切概率法检验2 / 7三、 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检验， Bonferroni
5、 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，则作非参数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3 / 71)b+c40，则用 McNemar 配对2 检验或配对边际2 检验2)b+c40，则用二项分布确切概率法检验2.C C表资料：1)配对比较：用 McNemar 配对2 检验或配对边际2 检验2)一致性问题（ Agreement）：用 Kappa 检验变量之间的
6、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)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.多变量（重）线性回归：应变量
7、（ Y）为连续型变量（即计量资料），自变量（ X1，X2， ，X4 / 7p）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，可以作多变量（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)验证性研究：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（ Y）为二分类变量（计数资料），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。1)非配对的情况：用非条件L
8、ogistic 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)验证性研究：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)验证性研究：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 ,可以采用比例优势模型（ proportional odds model）：应变量为有序多分类变量，自变量
9、（ X1，X5 / 72， ，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)验证性研究：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 ,采用多项 logit 模型（ polynomiallogitmodel ）：应变量为无序多分类变量，自变量（ X 1，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)验证性研究：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 Log rank 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6 / 72)验证性研究：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7 / 7
