1、統計方法的選擇一、 兩組或多組計量資料的比較1. 兩組資料：1) 大樣本資料或服從正態分布的小樣本資料(1) 若方差齊性，則作成組t 檢驗(2) 若方差不齊，則作t 檢驗或用成組的wilcoxon 秩和檢驗2) 小樣本偏態分布資料，則用成組的wilcoxon 秩和檢驗2. 多組資料：1) 若大樣本資料或服從正態分布，并且方差齊性，則作完全隨機的方差分析。如果方差分析的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如： lsd檢驗，bonferroni檢驗等）進行兩兩比較。2) 如果小樣本的偏態分布資料或方差不齊，則作kruskal wallis的統計檢驗。如果kruskal wa

2、llis的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：用成組的wilcoxon 秩和檢驗，但用bonferroni方法校正 p值等）進行兩兩比較。二、 分類資料的統計分析1. 單樣本資料與總體比較1) 二分類資料：(1) 小樣本時：用二項分布進行確切概率法檢驗；(2) 大樣本時：用 u檢驗。2) 多分類資料：用 pearson c2 檢驗（又稱擬合優度檢驗） 。2. 四格表資料1)n40并且所以理論數大于 5，則用 pearson c2 2)n40并且所以理論數大于 1并且至少存在一個理論數5，則用校正 c2 或用 fisher s 確切概率法檢驗3)n40或存在理論數 4

3、0 并且理論數小于 5的格子數 行列表中格子總數的25% ，則用 fisher s 確切概率法檢驗4. r c 表資料的統計分析1) 列變量為效應指標，并且為有序多分類變量，行變量為分組變量，則 cmh c2 或 kruskal wallis的秩和檢驗2) 列變量為效應指標，并且為無序多分類變量，行變量為有序多分類變量，作none zero correlation analysis 的 cmh c2 3) 列變量和行變量均為有序多分類變量，可以作spearman相關分析4) 列變量和行變量均為無序多分類變量，(1)n40 并且理論數小于 5的格子數 行列表中格子總數的25% ，則用 fishe

4、r s 確切概率法檢驗三、 poisson 分布資料1. 單樣本資料與總體比較：1) 觀察值較小時：用確切概率法進行檢驗。2) 觀察值較大時：用正態近似的u檢驗。2. 兩個樣本比較：用正態近似的u檢驗。配對設計或隨機區組設計四、 兩組或多組計量資料的比較1. 兩組資料：1) 大樣本資料或配對差值服從正態分布的小樣本資料，作配對 t 檢驗2) 小樣本并且差值呈偏態分布資料，則用wilcoxon 的符號配對秩檢驗2. 多組資料：1) 若大樣本資料或殘差服從正態分布，并且方差齊性，則作隨機區組的方差分析。如果方差分析的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如： lsd檢驗，bo

5、nferroni檢驗等）進行兩兩比較。2) 如果小樣本時，差值呈偏態分布資料或方差不齊，則作 fredman的統計檢驗。如果fredman的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：用 wilcoxon 的符號配對秩檢驗，但用bonferroni 方法校正 p值等）進行兩兩比較。五、 分類資料的統計分析1. 四格表資料1)b+c40，則用 mcnemar 配對 c2 檢驗或配對邊際 c2檢驗2)b+c40，則用二項分布確切概率法檢驗2.cc 表資料：1) 配對比較：用 mcnemar 配對 c2 檢驗或配對邊際 c2檢驗2) 一致性問題（ agreement） ：用 ka

6、p檢驗變量之間的關聯性分析六、 兩個變量之間的關聯性分析1. 兩個變量均為連續型變量1) 小樣本并且兩個變量服從雙正態分布，則用pearson 相關系數做統計分析2) 大樣本或兩個變量不服從雙正態分布，則用spearman相關系數進行統計分析2. 兩個變量均為有序分類變量，可以用spearman相關系數進行統計分析3. 一個變量為有序分類變量，另一個變量為連續型變量，可以用 spearman相關系數進行統計分析七、 回歸分析1. 直線回歸：如果回歸分析中的殘差服從正態分布（大樣本時無需正態性），殘差與自變量無趨勢變化，則直線回歸（單個自變量的線性回歸，稱為簡單回歸），否則應作適當的變換，使其滿

7、足上述條件。2. 多重線性回歸：應變量（ y）為連續型變量（即計量資料） ，自變量（ x1，x2， xp）可以為連續型變量、有序分類變量或二分類變量。如果回歸分析中的殘差服從正態分布（大樣本時無需正態性） ，殘差與自變量無趨勢變化，可以作多重線性回歸。1) 觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素2) 實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用3. 二分類的 logistic回歸：應變量為二分類變量，自變量（x1，x2， xp）可以為連續型變量、有序分類變量或二分類變量。1) 非配對的情況：用非條

8、件logistic回歸(1) 觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素(2) 實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用2) 配對的情況：用條件logistic回歸(1) 觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素(2) 實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用4. 有序多分類有序的 logistic回歸：應變量為有序多分類變量，自變量（ x1，x2， xp）可以為連續型變量、有序分類變量或二分類變量

9、。1) 觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素2) 實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用5. 無序多分類有序的 logistic回歸：應變量為無序多分類變量，自變量（ x1，x2， xp）可以為連續型變量、有序分類變量或二分類變量。1) 觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素2) 實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用八、 生存分析資：要求資料記錄結局和結局發生的時間（如；死亡和死亡發生的時間）1. 用 kaplan-meier 方法估計生存曲線2. 大樣本時，可以壽命表方法估計3