统计分析法：计量资料

两组样本数据

计量资料分析有两种：单因素和多因素。首先来说下简单的单因素比较，当要比较两组样本均数时首先要进行正态分布检验，之后才能进一步分析。

1）在样本与总体比较时，适用单样本t检验。

2）当设计数据是一一对应（配对资料），研究者关注个对的差值时，可以用配对t检验（变量的差值要服从正态分布）。

3）若两个样本的数据是完全随机化设计的，要用独立样本t检验（两样本都服从正态分布，且方差齐）。

4）只有服从正态分布的数据才能使用t检验！

如果样本数据不服从正态分布的话，那就只能用非参数检验，但其检验效能低于参数检验。

1）样本数据为配对资料时，用符号秩和检验。

2）样本数据为完全随机资料时，用Wilcoxon秩和检验。

3）只在不服从正态分布时使用，检验效能较低。

多组样本数据

当有两个以上样本的数据时，就不能再使用t检验了。这时候就要用到F检验，也就是方差分析（ANOVA）。ANOVA应用的条件也和上面t检验一样，需要各组样本均服从正态分布，各样本的方差齐。

1）要比较多组完全随机的数据之间有无差异，可以用单因素方差分析（one-way ANOVA）。

2）多个完全随机数据组两两比较时，常用q检验（Nweman-Keuls test）。

3）多组数据是配对资料时，用两因素方差分析（two-way ANOVA）。

同样的，多组样本数据有一组不服从正态分布或不满足方差齐性时，就不能用ANOVA，也要使用非参数检验。

1）多组完全随机样本用Kruskal-Wallis秩和检验。

2）多组配对样本用Friedman秩和检验。

多因素分析一般都用回归分析，包括直线回归和Logistic回归。

统计分析法：计数资料

计数资料里最常见的2×2表资料和R×C表资料。

2×2表资料

2×2表资料的统计分析是用卡方检验，但是需要根据不同的情况来做不同的处理。这里n代表表内的样本量，T代表理论数。

1）当n≥40，所有T≥5时，可以直接用卡方检验。

2）当n≥40，且有1≤T<5时，用连续性校正公式计算。

3）当n<40，或T<1时，要用Fisher法计算。

R×C表资料

R×C表资料也是用卡方检验，不过还有几点注意事项。

卡方检验的理论数T不能太小（<1）,且1≤T<5的格子数不超过格子总数的1/5。

1）多个构成比的比较所得结论为有统计学差异，也只能说各组的构成比与总的构成比不全相等，并不说明各组之间也有差异。若要进行多重比较，需要用x2分割法检验。

2）对于有序R×C表资料属于等级资料，如临床检验结果分为-、+、++、+++,疼痛等症状的严重程度分为0(无疼痛)、1(轻度)、2(中度)、3(重度)等。就不宜使用卡方检验，宜选用秩和检验中的Kruskal-Wallis检验。

统计分析法：生存分析

生存分析一般有3类方法：

寿命表

使用用于分段统计的资料，即将整个观察时间划分成很多小的时间段，然后统计各时间段内发生终点时间（如死亡）和失访的数目。

Kanplan-Meier

资料为各研究对象出现终点事件的具体时间或发生失访的具体时间，研究目的为比较两组或多组的研究对象生存曲线，一般需要同时绘制生存曲线。

Cox回归

其因变量（结果变量）为观察时间以及到达该观察时间时终点事件是否发生，而自变量（解释变量）可有多个变量（如连续变量、等级变量和分离变量）。

统计分析法：诊断试验资料

诊断试验统计分析中应用最广泛的是ROC曲线和Bland-Altman图

ROC曲线

要求资料为连续变量或等级变量，以金标准为分组依据，图示灵敏度和特异度来探讨该方法的准确性，也可以探讨多种试验诊断方法的检测效果。

Bland-Altman图

要求两种检测方法的检测结果为连续变量，用图表示两种检测方法的一致性。如果一致性较好，则两种方法可以相互替代。

统计分析法：实用工具

上一篇: 3分钟带你认识仪表板的方方面面！不要错过！——九数云BI
下一篇: 大数据统计方法之回归分析：带你见识数据的独特魅力！——九数云BI