1、精選優質文檔-傾情為你奉上一、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

2、 Wallis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)n>40并且所以理論數大于5，則用Pearson c22)n>40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Fishers

3、 確切概率法檢驗3)n40或存在理論數<1，則用Fishers 檢驗3. 2×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，則行評分的CMH c2或成組的Wilcoxon秩和檢驗2)列變量為效應指標并且為二分類，列變量為有序多分類變量，則用趨勢c2檢驗3)行變量和列變量均為無序分類變量(1)n>40并且理論數小于5的格子數<行列表中格子總數的25%，則用Pearson c2(2)n40或理論數小于5的格子數>行列表中格子總數的25%，則用Fishers 確切概率法檢驗

4、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 c23)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)n>40并且理論數小于5的格子數<行列表中格子總數的25%，則用Pearson c2(2)n40或

5、理論數小于5的格子數>行列表中格子總數的25%，則用Fishers 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，

6、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+c>40，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.C×C表資料：1)配對比較：用McNemar配對c2檢驗或配對邊際c2檢驗2)

7、一致性問題（Agreement）：用Kap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

8、歸），否則應作適當的變換，使其滿足上述條件。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

9、：用非條件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。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