常用醫(yī)學統(tǒng)計學方法匯總

1、選擇合適的統(tǒng)計學方法選擇合適的統(tǒng)計學方法1連續(xù)性資料連續(xù)性資料1.1兩組獨立樣本比較1.1.1資料符合正態(tài)分布且兩組方差齊性直接采用t檢驗。1.1.2資料不符合正態(tài)分布，（1）可進行數據轉換如對數轉換等使之服從正態(tài)分布然后對轉換后的數據采用t檢驗；（2）采用非參數檢驗如Wilcoxon檢驗。1.1.3資料方差不齊，（1）采用Satterthwate的t’檢驗；（2）采用非參數檢驗如Wilcoxon檢驗。1.2兩組配對樣本的比較1.2.1

2、兩組差值服從正態(tài)分布，采用配對t檢驗。1.2.2兩組差值不服從正態(tài)分布，采用wilcoxon的符號配對秩和檢驗。1.3多組完全隨機樣本比較1.3.1資料符合正態(tài)分布，且各組方差齊性，直接采用完全隨機的方差分析。如果檢驗結果為有統(tǒng)計學意義，則進一步作兩兩比較，兩兩比較的方法有LSD檢驗，Bonferroni法，tukey法，Scheffe法，SNK法等。1.3.2資料不符合正態(tài)分布，或各組方差不齊，則采用非參數檢驗的Kruscal－Wal

3、lis法。如果檢驗結果為有統(tǒng)計學意義，則進一步作兩兩比較，一般采用Bonferroni法校正P值，然后用成組的Wilcoxon檢驗。1.4多組隨機區(qū)組樣本比較1.4.1資料符合正態(tài)分布，且各組方差齊性，直接采用隨機區(qū)組的方差分析。如果檢驗結果為有統(tǒng)計學意義，則進一步作兩兩比較，兩兩比較的方法有LSD檢驗，Bonferroni法，tukey法，Scheffe法，SNK法等。1.4.2資料不符合正態(tài)分布，或各組方差不齊，則采用非參數檢驗的F

4、ridman檢驗法。如果檢驗結果為有統(tǒng)計學意義，則進一步作兩兩比較，一般采用Bonferroni法校正P值，然后用符號配對的Wilcoxon檢驗。需要注意的問題：（1）一般來說，如果是大樣本，比如各組例數大于50，可以不作正態(tài)性檢驗，直接采用t檢驗或方差分析。因為統(tǒng)計學上有中心極限定理，假定大樣本是服從正態(tài)分布的。（2）當進行多組比較時，最容易犯的錯誤是僅比較其中的兩組，而不顧其他組，這樣作容易增大犯假陽性錯誤的概率。正確的做法應該是，

5、先作總的各組間的比較，如果總的來說差別有統(tǒng)計學意義，然后才能作其中任意兩組的比較，這些兩兩比較有特定的統(tǒng)計方法，性，可采用Spearson相關分析。2.4配對分類資料的統(tǒng)計分析2.4.1四格表配對資料，（1）b＋c40，則用McNemar配對檢驗。（2）b＋c40，則用校正的配對檢驗。2.4.1CC資料，（1）配對比較：用McNemar配對檢驗。（2）一致性檢驗，用Kappa檢驗。在SPSS軟件相關分析中pearson(皮爾遜)kend

6、all（肯德爾）和spearman（斯伯曼斯皮爾曼）三種相關分析方法有什么異同兩個連續(xù)變量間呈線性相關時，使用Pearson積差相關系數，不滿足積差相關分析的適用條件時，使用Spearman秩相關系數來描述.Spearman相關系數又稱秩相關系數，是利用兩變量的秩次大小作線性相關分析，對原始變量的分布不作要求，屬于非參數統(tǒng)計方法，適用范圍要廣些。對于服從Pearson相關系數的數據亦可計算Spearman相關系數，但統(tǒng)計效能要低一些。P

7、earson相關系數的計算公式可以完全套用Spearman相關系數計算公式，但公式中的x和y用相應的秩次代替即可。Kendallstaub等級相關系數：用于反映分類變量相關性的指標，適用于兩個分類變量均為有序分類的情況。對相關的有序變量進行非參數相關檢驗；取值范圍在11之間，此檢驗適合于正方形表格；計算積距pearson相關系數，連續(xù)性變量才可采用計算Spearman秩相關系數，適合于定序變量或不滿足正態(tài)分布假設的等間隔數據計算Kend

8、all秩相關系數，適合于定序變量或不滿足正態(tài)分布假設的等間隔數據。計算相關系數：當資料不服從雙變量正態(tài)分布或總體分布未知，或原始數據用等級表示時，宜用spearman或kendall相關Pearson相關復選項積差相關計算連續(xù)變量或是等間距測度的變量間的相關分析Kendall復選項等級相關計算分類變量間的秩相關，適用于合并等級資料Spearman復選項等級相關計算斯皮爾曼相關，適用于連續(xù)等級資料注：1若非等間距測度的連續(xù)變量因為分布不明