1、1連續性資料兩組獨立樣本比較資料符合正態分布,且兩組方差齊性,直接采用t檢驗。資料不符合正態分布，1）可進行數據轉換,如對數轉換等,使之服從正態分布,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。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。兩組配對樣本的比較兩組差值服從正態分布，采用配對t檢驗。兩組差值不服從正態分布，采用wilcoxon的符號配對秩和檢驗。多組完全隨機樣本比較資料符合正態分布，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計學意義， 則進一步作兩兩比較， 兩兩比較的方法

2、有LSD檢驗，Bonferroni法，tukey法，Scheffe法，SNK法等。資料不符合正態分布， 或各組方差不齊， 則采用非參數檢驗的KruscalWallis法。如果檢驗結果為有統計學意義，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。多組隨機區組樣本比較 資料符合正態分布，且各組方差齊性，直接采用隨機區組的方差分析。如果檢驗結 果為有統計學意義，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。資料不符合正態分布，或各組方差不齊，則采用非參數檢驗的 果檢驗結果為有統計學意

3、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，可以不作正態性檢驗，直接采用t檢驗或方差分析。因為統計學上有中心極限定理，假定大樣本是服從正態 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， 先作總的各組間的比較， 如果總的來說差別有統計學意義，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計方法，如上面提到的LSD檢驗，Bonferroni法，tukey法，Scheffe

4、法，SNK法等。*絕不能對其中的兩組直接采用t檢驗，這樣即使得出結果也未必正確*3) 關于常用的設計方法：多組資料盡管最終分析都是采用方差分析，但不同設 計會有差別。常用的設計如完全隨即設計，隨機區組設計，析因設計，裂區設計， 嵌套設計等。Fridman檢驗法。如2分類資料四格表資料40,且所有理論數大于5,則用普通的Pearson檢驗。40，所有理論數大于1，且至少一個理論數小于5，則用校正的 檢驗或40，或有理論數小于2,則用Fishers確切概率法檢驗。2XC表或RX2表資料的統計分析列變量行變量均為無序分類變量,則（1）例數大于40,且理論數小于5的格子數目總格子數目的25，則用普通的

5、Pearson檢驗。（2）例數小于40，或理論數小于5的格子數目總格子數目的25%,則用Fishers確切概率法檢驗。列變量為效應指標， 且為有序多分類變量， 行變量為分組變量， 用普通的Pearson檢 驗只說明組間構成比不同，如要說明療效，則可用行平均分差檢驗或成組的Wilcoxon秩和檢驗。列變量為效應指標，且為二分類變量，行變量為有序多分類變量，則可采用普通 的Pearson檢驗比較各組之間有無差別， 如果總的來說有差別， 還可進一步作兩兩 比較，以說明是否任意兩組之間的差別都有統計學意義。RX C表資料的統計分析列變量行變量均為無序分類變量，則（1）例數大于40，且理論數小于5的格子

6、 數目總格子數目的25，則用普通的Pearson檢驗。（2）例數小于40，或理論數例數大于例數大于Fisher s確切概率法檢驗。例數小于小于5的格子數目總格子數目的25%，則用Fishers確切概率法檢驗。（3）如果要作相關性分析，可采用Pearson相關系數。列變量為效應指標， 且為有序多分類變量， 行變量為分組變量， 用普通的Pearson檢 驗只說明組間構成比不同，如要說明療效或強弱程度的不同，則可用行平均分差檢 驗或成組的Wilcoxon秩和檢驗或Ridit分析。列變量為效應指標，且為無序多分類變量，行變量為有序多分類變量，則可采用 普通的Pearson檢驗比較各組之間有無差別， 如

7、果有差別， 還可進一步作兩兩比較， 以說明是否任意兩組之間的差別都有統計學意義。列變量行變量均為有序多分類變量，（1）如要做組間差別分析，則可用行平均分差檢驗或成組的Wilcoxon秩和檢驗或Ridit分析。如果總的來說有差別，還可 進一步作兩兩比較，以說明是否任意兩組之間的差別都有統計學意義。做兩變量之間的相關性，可采用Spearson相關分析。配對分類資料的統計分析四格表配對資料，（1）b+c40，則用McNema配對 檢驗。（2）b+c40，貝U用校正的配對 檢驗。CXC資料，（1）配對比較：用McNema配對 檢驗。（2） 致性檢驗，用Kappa檢驗。在SPSS軟件相關分析中,pear

8、son（皮爾遜）,kendall（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2）如果要兩個連續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.Sp earman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，屬于非參數統計方法，適用范圍要廣些。對于服從Pearson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。Kendalls tau-b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

9、 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； 在-1-1之間，此檢驗適合于正方形表格； 計算積距pearson相關系數，連續性變量才可采用;計算Spearman秩相關系數，適 合于定序變量或不滿足正態分布假設的等間隔數據;計算Kendall秩相關系數，適 合于定序變量或不滿足正態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 計算連續變量或是等間距測度的變量間的相關分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Sp

10、earman復選項 等級相關 計算斯皮爾曼相關，適用于連續等級資料 注：Pearson相關系數的數據亦可計算Spearman相關系數，但統計效能要低一些。取值范圍1若非等間距測度的連續變量 因為分布不明-可用等級相關/也可用Pearson相關， 對于完全等級離散變量必用等級相關2當資料不服從雙變量正態分布或總體分布型未知或原始數據是用等級表示時 用Spearman或Kendall相關。3若不恰當用了Kendall等級相關分析則可能得出相關系數偏小的結論。當使用，可能得相關系數偏小或偏大結論而考察不到不同變量間存在的密切關系。對一般情況默認數據服從正態分布的，故用Pearson分析方法。在SPS

11、S里進入CorrelateBivariate，在變量下面Correlation Coefficients復選框組里有3個選項：PearsonKendalls tau-bSpearman：Spearman spearman（斯伯曼/斯皮爾曼）相關系數 斯皮爾曼等級相關是根據等級資料研究兩個變量間相關關系的方法。它是依據兩列 成對等級的各對等級數之差來進行計算的，所以又稱為“等級差數法” 斯皮爾曼等級相關對數據條件的要求沒有積差相關系數嚴格，只要兩個變量的觀測 值是成對的等級評定資料，或者是由連續變量觀測資料轉化得到的等級資料，不論 兩個變量的總體分布形態、樣本容量的大小如何，都可以用斯皮爾曼等級

12、相關來進 行研究,宜則若不恰Kendalls相關系數 肯德爾（Kendall）W系數又稱和諧系數，是表示多列等級變量相關程度的一種方法。適用這種方法的數據資料一般是采用等級評定的方法收集的，即讓K個評委（被試） 評定N件事物，或1個評委（被試）先后K次評定N件事物。等級評定法每個評價者對N件事物排出一個等級順序，最小的等級序數為1，最大的為N,若并列等級時，則平分共同應該占據的等級，如，平時所說的兩個并列第一名，他們應該占據1，2名，所以它們的等級應是,又如一個第一名，兩個并列第二名，三個并列第三 名，則它們對應的等級應該是1,5,5,5,這里是2,3的平均，5是4,5,6的平均。肯德爾（Ke

13、ndall）U系數又稱一致性系數， 是表示多列等級變量相關程度的一種方法。該方法同樣適用于讓K個評委（被試）評定N件事物，或1個評委（被試）先后K次評定N件事物所得的數據資料，只不過評定時采用對偶評定的方法，即每一次評 定都要將N個事物兩兩比較，評定結果如下表所示，表格中空白位（陰影部分可以不管）填入的數據為：若i比j好記1，若i進行計算的數據，這些數據記為丫ij。正態分布的相關檢驗比較的樣本來自正態總體。兩個樣本方差相等與不等時用的計算 進行方差齊次性檢驗使用F檢驗。對應的零假設是：兩組樣本方差相等。P值小于 說明在該水平上否定原假設，方差不齊；否則兩組方差無顯著性差異。比j差記0，兩者相同

14、則記。一共將得到K張這樣的表格，將這K張表格重疊起來,對應位置的數據累加起來作為最后對來自正態總體的兩個樣本進行均值比較常使用T檢驗的方法。T檢驗要求兩個被T值的公式不同。U檢驗時用服從正態分布的檢驗量去檢驗總體均值差異情況的方法。在這種情況下總體方差通常是已知的。雖然T檢驗法與U檢驗法所解決的問題大體相同，但在小樣本（樣本數n）=30作為大樣本）且均方差未知的情況下就不能用U檢驗法了。均值檢驗時不同的數據使用不同的統計量使用MEAN過程求若干組的描述統計量，目的在于比較。因此必須分組求均值。這是與Descriptives過程不同之處。檢驗單個變量的均值是否與給定的常數之間存在差異，用One-

15、Sample T Test單樣本T檢驗過程。檢驗兩個不相關的樣本是否來自來具有相同均值的總體，用Independent-Samples Ttest獨立樣本t檢驗過程。如果分組樣本不獨立，用Paired Sample T test配對t檢驗。如果分組不止兩個，應使用One-WayANOV一元方差分析（用于檢驗幾個獨立的組,是否來自均值相等的總體）過程進行單變量方差分析。如果試圖比較的變量明顯不服從正態分布，則應該考慮使用一種非參數檢驗過程Nonparametrictest.如果用戶相比較的變量是分類變量，應該使用Crosstabs功能。當樣本值不能為負值時用右側單邊檢驗醫學科研中常用醫學統計學方

16、法統計學是一門透過同質事物的變異性、揭示內在事物規律性和實質性的科學，確切地講，是一門關于客觀數據分析的科學，研究數據的收集、整理和分析，包括理論和應用兩個方面。醫學應用統計學，側重于實際應用，是在傳承和借鑒傳統醫學統計學“理論原理公式應用”模式基礎上,創造性地以“目的數據庫一變量類型一變量間關系”模式為指導的統計學。它遵循簡單實用的原則，力避復雜的數學原理和公式推導，以解決實際問題為導向，以建立統計數據庫、分清變量類型為基礎，以分析變量與變量間關系為核心闡述統計學分析方法,對于廣大醫學科研工作者,具有內容簡單、思維明確、操作可行、方法實用的特點。因此，學好用好醫學應用統計學需要掌握如下一些基

17、本方法。、明確研究目的和研究設計研究目的是研究設計的目標和方向，科學研究的基本要素及其基本原則是科研設計的基礎和指南。完整的科研設計包括專業設計和統計設計兩部分：專業設計是指課題的實際意義和研究價值，入選對象的診斷標準、納入標準及排除標準等， 決定研究課題的先進性和實用性；統計設計包括選擇研究類型與設計方案，確定研究總體、樣本量、觀察指標、隨機化分組或抽樣方法，以及數據的質量控制和統計分析方法等，影響課題的可信度和科學價值。因此，正確的統計學分析一定要建立在明確的研究目的和研究設計的基礎之上,那些事先沒有研究目的和研究設計，事后找來一堆數據進行統計分析都是不可取的。在醫學論文的撰、編、審、讀過

18、程中經常遇到的問題是研究的題目與課題設計、論文內容不符，包括文章的方法解決不了論文的目的、文章的結果說明不了論文的題目、文章的討論偏離了論文的主題;還有是目的不明確、設計不合理。如題目過小，論文不夠字數，而一些無關緊要的變量指標或結果被分析被 討論；又如題目過大，論文的全部內容不足以說明研究的目的，使論文的論點難以立足。所以，合理明確的論文題目或目的以及研究設計方案是撰、編、審、讀者應當關注的首要問題。此外,樣本含量是否滿足，抽樣是否隨機，偏倚是否控制等，也是不可忽視的問題。二、建好分析用的數據庫數據庫即存放數據的“倉庫”，是指將不同研究對象不同觀測指標的觀察結果逐一有序記錄的二維表格形式。二

19、維表中除第一行屬于觀察指標外，其余每一行代表一個觀察對象的所有觀察指標值（即數據）；每一列代表某項觀察指標所有觀察對象的觀察值。嚴格的數據庫數據可以直接應用相關軟件進行統計分析。由于不同軟件對文字存在可識別性問題,般在統計分析時要求數據庫的數據值全部用阿拉伯數字表示,必要時可在適當位置附加批注。對于論文作者來講，統計分析需要借助于統計分析軟件計算，而統計分析軟件都要有完整、符合要求的數據或數據庫，所以建好分析數據庫是統計分析的需要。此外，建好分析數據庫還可以理清分析思路。在試驗或調查研究中獲取的數據有時多而零散，進行科學的整理匯總，就會顯得雜亂無章，理不清頭緒，抓不住要點，甚至無所適從，最后可

20、能束之高如果不能閣、棄之不用，造成數據的極大浪費。相反，建好數據庫，可以使觀察對象的研究指標一目了然，使研究思路清晰明確。因此，建好數據庫是正確統計分析的前提和基礎，甚至決定了論文分析結果的成敗。對于編、審、讀者來講，一般由于篇幅的限制， 往往得不到數據庫數據， 而只有作者在數據庫數據基礎上經統計描述計算級”，依次低選兩構成比比較的x2檢驗，甚至四格表X2檢驗。后給出的諸如各指標均數？x、標準差s或中位數M、百分位數Px的“二手”數據，或將研究對象的 某一指標按其數值大小或特征屬性分組，清點各組觀察單位出現的個數或頻數的頻數表數據等。無論是否能夠得到數據庫數據，作者在統計分析過程中一定依據數據

21、庫數據進行計算, 對“二手”數據或頻數表數據的結果等存在疑惑，以檢查其完整性、準確性和真實性，確保研究數據的質量。假若在投稿須知中對數據庫數據作出必要的 要求，無疑對于保證刊物的發表質量有著積極的意義。三、分清楚指標（或變量）的性質和類型指標，即觀察指標，是由研究目的確定的觀察對象的內在屬性特征或其相關的影響因素。例如, 究本體感覺訓練對腦卒中偏癱患者運動功能（本體感覺、平衡功能）的影響，那么本體感覺、平衡功能反映了腦卒中偏癱患者運動功能的特征，分別稱為研究的本體感覺指標、平衡功能指標，影響本體感覺 和平衡功能的有關因素，比如年齡、性別、病種、病程等，稱為研究的年齡指標、性別指標、病種指標 和

22、病程指標。變量即觀察變量，也稱變化的量，實際上就是觀察指標, 標。例如，腦卒中偏癱患者運動功能的本體感覺、平衡功能指標，在統計計算時，分別稱為本體感覺變 量和平衡功能變量。影響變量，也稱自變 量，是指自身變化并影響結果變量變化的量；結果變量，又稱因變量，是指隨影響變量變化而變化的量， 看作是影響變量變化的結果。如果分析康復訓練對冠心病患者有氧運動功能的影響，那么康復訓練可看作是影響變量， 有氧運動功能則為結果變量；如果分析不同性別之間冠心病患者有氧運動功能是否存在統計學差異，那么性別是影響 變量，有氧運動功能是結果變量。分清楚變量的性質，即什么是結果變量、什么是影響變量，是選擇統 計分析方法的

23、第一步。一般而言，那些相對固有的、不易改變的特征（如性別、籍貫等）或易于被人控制的處理因素（如實驗 分組、疫苗接種與否等）作為影響變量或影響因素；而那些容易變化、較難確定的觀察效應或結局（如 療效、患病與否等）作為結果變量，看成是最后觀察的結果。但影響變量和結果變量的劃分是相對的, 視研究目的和具體情況而定，有時甚至不加區分。從數據庫、數據分析的角度來看， 變量是指那些能反映數據庫數據的內在數量關系，括軟件計算的指標。 一般而言，不同的研究目的決定了不同的數據庫，實際上決定了組成數據庫的不同 變量。變量的類型分為數值變量和分類變量。數值變量，又稱定量變量，是指能用定量方法測定的、具有數值大小、

24、高低或多少的指標，變量值一般有度量衡單位，可以帶小數點，如身高、體重、血壓等；分類變量，又稱定性變量，是指能用定性的方 法確定的、觀察單位某項屬性或特征分類的指標。根據分類變量的分類項數和各項數間有無等級程度差 異分為二項分類變量、多項無序分類變量、多項有序分類變量，如表得出結果。如果編輯、審稿專家或讀者有權要求作者提供數據庫數據需要研一般特指用于數學、統計或軟件計算的分析指按變量是否影響其它變量或是否受到其它變量的影響有影響變量和結果變量之分。可用于統計計算包表1?分類變量的不同類別與舉例表I分類變 ft 的不冋類別與舉例分類變量、二項分類變量四種。此外，不同類別變量可遵循下列順序轉化：數值

25、變量一多項有序分類變項分類變量，稱為降級轉化，但這種轉化過程會不斷喪失蘊藏的數據信息, 導致統計分析過程中假陰性結果的不斷增加。至于逆向轉化即升級轉化，盡管理論上認同，但實際應用中不建議采用。很多研究表明，掌握好統計分析的應用條件，正確選擇統計分析方法是學習并應用統計學的一個突出難 點。對于醫學論文作者而言，分清楚數據庫中變量的性質（影響變量與結果變量）、類型（數值變量、多項有序分類變量、多項無序分類變量、二項分類變量）以及它們之間的降級轉化關系（數值變量一多項有李戴、缺乏原則地選錯統計分析方法；對于文章的編審和讀者來說，這是判斷作者正確選擇統計學分析方法與否的一個簡單有效的途徑。四、正確選用

26、統計學方法應用統計學（嚴格而言是指統計學的假設檢驗）可以簡單地看作是一門關于結果變量與影響變量之間關系分析的科學。的有16種首選的統計分析方法（表2中第一個或用表示的方法），口，二項分類變量與二項分類變量關系的分析選用兩個率比較的X2檢驗（四格表X2檢驗），二項分類變量與多項無序分類變量關系的分析選用多個率比較的X2檢驗，多項無序分類變量與二項分類變量關系的分析選用兩個構成比比較的X2檢驗，多項無序分類變量與多項無序分類變量關系的分析選用多個構成比比較的數值變量與二項分類變量關系的分析選用t-檢驗，數值變量與多項無序分類變量關系的分析選用完全隨機設計的，F-檢驗，數值變量與數值變量關系的分析選

27、用Pearson直線相關回歸分析，等等。 如果首選統計方法的條件不適合， 一般通過降級轉化選擇“低” 一級或“低”二級、 統計方法。如，t一檢驗是數值變量與二項分類變量關系分析時首選的統計方法,類別等級次序舉測二項分類僉&二項蹩或有性別（男、女）、考核（合格不合格）多項無序分英變境多項X多項有序分類變倉多項営養狀況（優良、中、差）從應用統計學選擇統計分析方法的角度考慮,變量可考慮分為數值變量、多項有序分類變量、多項無序量一多項無序分類變量一序分類變量一多項無序分類變量一二項分類變量）是學好用好應用統計分析的基礎，可以有效避免張冠由于結果變量（因變量）、影響變量（自變量）各有4種類型，所

28、以相互組合有16種情形，相對應x2檢驗.三級的統計方法或其它如果該方法的條件不適合， 此時級”，依次低選兩構成比比較的x2檢驗，甚至四格表X2檢驗。將-檢驗中數值變量“降級”當作多項有序分類變量看待,故可次選Wilcoxon秩和檢驗，如果再“降又如，如果Pearson直線相關回歸分析的條件不符合，可根據情況將其中的一個或兩個數值變量“降 一級”，選擇Spearman等級相關，如果再“降級”，相應可以選擇秩和檢驗、Logistic回歸或者t檢驗、X2檢驗，等等。其它仿此，詳見表2。它涵蓋了基本統計分析的絕大部分，是應用統計分析的核心內容。當然，應用統計分析除了單一變量分析、兩變量間關系的分析以外

29、，其它諸如一個自變量和多個因變量、 多個自變量和多個因變量之間關系的分析當屬多變量關系分析的內容。由于分類變量與數值變量各不相同，不同個數不同變量的組合方式多種多樣，所以相應的統計方法也有很多種，主要有：1個數值變量與多個數值變量之間的關系，如多元相關回歸分析；1個分類變量與多個數值變量之間的關系，如多因素方差分析、重復設計方差分析；I個數值變量與混合多個變量之間的關系，如協方差分析、COx模型;l個分類變量與混合多變量之間的關系，如Logistic回歸分析；多個數值變量與多個數值變量之間的關系，如典則相關等。表2兩變量關系分析的統計方法議m m宴thth1 1啻.處交卜爭）iHL PJiJi

30、flirtflirt也*112*112、聞堤極檢雀衣篇RMU+皆f f檢總知臥山“IF 也審1 1 斡M M K K 1 1黑（里幷本卓B BkAkA怡崢車構虛止曲僑）l.hhiUJMlLJi*l.hhiUJMlLJi* JJJJ秩如範44店 2 2 K K ML*ML*檢#勿山d d檢歸龍理 ft 犀站妄空堆2 2 K K七侶*等耀（W W關* 隹冉峯分玉SuSu說W W MUMU匚JCKJCK料4 4耿 扌氐亙1111”. . MWMW祁杓丄:EpFEUIEDlEpFEUIEDl* *2 2左全円孔世卄1 1（ 於牛護WJIuWJIutt輒n n檢鯊a a；彷 KMI.1MI.1 rtrt

31、V.2閥習E常得xcxc匸打持2 2審戸iiEiupiiEiup 77；(M(dj(M(dj(:(:因此，醫學論文的作者，在分清楚數據庫中分析變量的性質、類 型 和 降 級 轉 化 關 系 時 ，可 以 應 用 表2迅統計方法的原因與后果。但需要注意的是，如此降級選擇統計方法，可能出現假陰性或漏診錯誤，即把差異有統計學意義的結果（有降壓效果）當作差異無統計學意義的結果（無降壓效果）看待，從而低估藥物的作用，在論文討論 中至少要加以必要的說明，否則統計方法不能視為正確有效，可作為退修或退稿處理。五、熟悉常用的統計分析軟件統計分析軟件是統計分析的必備工具，常用的統計分析軟件有：統計分析系統SAS、社