SPSS數(shù)據(jù)分析的醫(yī)學(xué)統(tǒng)計方法選擇

1、SPSS數(shù)據(jù)分析的醫(yī)學(xué)統(tǒng)計方法選擇目 錄數(shù)據(jù)分析的統(tǒng)計方法選擇小結(jié)1目 錄1資料12完全隨機分組設(shè)計的資料2配對設(shè)計或隨機區(qū)組設(shè)計3變量之間的關(guān)聯(lián)性分析4資料251.連續(xù)性資料51.1兩組獨立樣本比較51.2兩組配對樣本的比較51.3多組完全隨機樣本比較61.4多組隨機區(qū)組樣本比較62分類資料62.1四格表資料62.2 2×C表或R×2表資料的統(tǒng)計分析72.3 R×C表資料的統(tǒng)計分析72.4 配對分類資料的統(tǒng)計分析8資料38一、兩個變量之間的關(guān)聯(lián)性分析8二、回歸分析9資料49一統(tǒng)計方法抉擇的條件91分析目的102資料類型103設(shè)計方法114分布特征及數(shù)理統(tǒng)計條件1

2、2二數(shù)據(jù)資料的描述121數(shù)值變量資料的描述132分類變量資料的描述13三數(shù)據(jù)資料的比較141假設(shè)檢驗的基本步驟142假設(shè)檢驗結(jié)論的兩類錯誤143假設(shè)檢驗的注意事項154常用假設(shè)檢驗方法16四變量間的相關(guān)分析171數(shù)值變量（計量資料）的關(guān)系分析172無序分類變量（計數(shù)資料）的相關(guān)分析183有序分類變量（等級資料）    等級相關(guān)18資料1完全隨機分組設(shè)計的資料一、 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(tài)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

3、態(tài)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(tài)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(tǒng)計檢驗為有統(tǒng)計學(xué)意義，則進一步作統(tǒng)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(tài)分布資料或方差不齊，則作Kruskal Wallis的統(tǒng)計檢驗。如果Kruskal Wallis的統(tǒng)計檢驗為有統(tǒng)計學(xué)意義，則進一步作統(tǒng)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(tǒng)計分析1. 單樣本資料與總體比較1) 二分類

4、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(yōu)度檢驗）。2. 四格表資料1) n>40并且所以理論數(shù)大于5，則用Pearson c22) n>40并且所以理論數(shù)大于1并且至少存在一個理論數(shù)<5，則用校正 c2或用Fishers 確切概率法檢驗3) n£40或存在理論數(shù)<1，則用Fishers 檢驗3. 2×C表資料的統(tǒng)計分析1) 列變量為效應(yīng)指標(biāo)，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(yīng)指

5、標(biāo)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(shù)小于5的格子數(shù)<行列表中格子總數(shù)的25%，則用Pearson c2(2) n£40或理論數(shù)小于5的格子數(shù)>行列表中格子總數(shù)的25%，則用Fishers 確切概率法檢驗4. R×C表資料的統(tǒng)計分析1) 列變量為效應(yīng)指標(biāo)，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(yīng)指標(biāo)，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

6、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(guān)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(shù)小于5的格子數(shù)<行列表中格子總數(shù)的25%，則用Pearson c2(2) n£40或理論數(shù)小于5的格子數(shù)>行列表中格子總數(shù)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(tài)近似的U檢驗。2. 兩個樣本比較：用正態(tài)近似的U檢驗。配對設(shè)計或隨機區(qū)組設(shè)計四、 兩組或多組計量資料的比較1. 兩組資料：1) 大樣

7、本資料或配對差值服從正態(tài)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(tài)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(tài)分布，并且方差齊性，則作隨機區(qū)組的方差分析。如果方差分析的統(tǒng)計檢驗為有統(tǒng)計學(xué)意義，則進一步作統(tǒng)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(tài)分布資料或方差不齊，則作Fredman的統(tǒng)計檢驗。如果Fredman的統(tǒng)計檢驗為有統(tǒng)計學(xué)意義，則進一步作統(tǒng)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

8、較。五、 分類資料的統(tǒng)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+c£40，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) 一致性問題（Agreement）：用Kap檢驗變量之間的關(guān)聯(lián)性分析六、 兩個變量之間的關(guān)聯(lián)性分析1. 兩個變量均為連續(xù)型變量1) 小樣本并且兩個變量服從雙正態(tài)分布，則用Pearson相關(guān)系數(shù)做統(tǒng)計分析2) 大樣本或兩個變量不服從雙正態(tài)分布，則用Spearman相關(guān)系數(shù)進行統(tǒng)計分析2. 兩個變量均為有序分類變量，可以用Spe

9、arman相關(guān)系數(shù)進行統(tǒng)計分析3. 一個變量為有序分類變量，另一個變量為連續(xù)型變量，可以用Spearman相關(guān)系數(shù)進行統(tǒng)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(tài)分布（大樣本時無需正態(tài)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(yīng)作適當(dāng)?shù)淖儞Q，使其滿足上述條件。2. 多重線性回歸：應(yīng)變量（Y）為連續(xù)型變量（即計量資料），自變量（X1，X2，Xp）可以為連續(xù)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(tài)分布（大樣本時無需正態(tài)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）

10、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(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結(jié)果的混雜作用3. 二分類的Logistic回歸：應(yīng)變量為二分類變量，自變量（X1，X2，Xp）可以為連續(xù)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(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結(jié)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

11、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(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結(jié)果的混雜作用4. 有序多分類有序的Logistic回歸：應(yīng)變量為有序多分類變量，自變量（X1，X2，Xp）可以為連續(xù)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(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結(jié)果的混雜作用5. 無序多分類有序的Logistic回歸：應(yīng)變量為無序多分類變量，自變量（X1，X2，Xp）可以為連續(xù)型變量、有

12、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(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結(jié)果的混雜作用八、 生存分析資料：（要求資料記錄結(jié)局和結(jié)局發(fā)生的時間，如：死亡和死亡發(fā)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. 單因素可以用Logrank比較兩條或多條生存曲線4. 多個因素時，可以作多重的Cox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(yù)變量）外，可以適當(dāng)?shù)?/p>

13、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(jié)果的混雜作用資料21.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(shù)據(jù)轉(zhuǎn)換，如對數(shù)轉(zhuǎn)換等，使之服從正態(tài)分布，然后對轉(zhuǎn)換后的數(shù)據(jù)采用t檢驗；（2）采用非參數(shù)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(shù)檢驗,如Wilcoxon檢驗。1.2兩組配對樣本的比較1.2.1兩組差值服從正態(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

14、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(jié)果為有統(tǒng)計學(xué)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(shù)檢驗的KruscalWallis法。如果檢驗結(jié)果為有統(tǒng)計學(xué)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(jié)果為有統(tǒng)計學(xué)意義，則進一步作兩兩比較，兩兩比較的方

15、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(shù)檢驗的Fridman檢驗法。如果檢驗結(jié)果為有統(tǒng)計學(xué)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(shù)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(xué)上有中心極限定理，假定大樣本是服從正態(tài)分布的。（2） 當(dāng)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(yīng)該是，先作總的

16、各組間的比較，如果總的來說差別有統(tǒng)計學(xué)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，如上面提到的LSD檢驗，Bonferroni法，tukey法，Scheffe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(jié)果也未必正確。（3） 關(guān)于常用的設(shè)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(shè)計會有差別。常用的設(shè)計如完全隨即設(shè)計，隨機區(qū)組設(shè)計，析因設(shè)計，裂區(qū)設(shè)計，嵌套設(shè)計等。2分類資料2.1四格表資料2.1.1例數(shù)大于40，且所有理論數(shù)大于5，則用普通的Pearson檢驗。2.1.2例數(shù)大于40，所有理論數(shù)大于1，且至少一個理論數(shù)小于5，則用校正的檢驗或F

17、ishers確切概率法檢驗。2.1.3例數(shù)小于40，或有理論數(shù)小于2，則用Fishers確切概率法檢驗。2.2 2×C表或R×2表資料的統(tǒng)計分析2.2.1列變量行變量均為無序分類變量，則（1）例數(shù)大于40，且理論數(shù)小于5的格子數(shù)目<總格子數(shù)目的25，則用普通的Pearson檢驗。（2）例數(shù)小于40，或理論數(shù)小于5的格子數(shù)目>總格子數(shù)目的25，則用Fishers確切概率法檢驗。2.2.2列變量為效應(yīng)指標(biāo)，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(gòu)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。2.2.

18、3列變量為效應(yīng)指標(biāo)，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(tǒng)計學(xué)意義。2.3 R×C表資料的統(tǒng)計分析2.3.1列變量行變量均為無序分類變量，則（1）例數(shù)大于40，且理論數(shù)小于5的格子數(shù)目<總格子數(shù)目的25，則用普通的Pearson檢驗。（2）例數(shù)小于40，或理論數(shù)小于5的格子數(shù)目>總格子數(shù)目的25，則用Fishers確切概率法檢驗。（3）如果要作相關(guān)性分析，可采用Pearson相關(guān)系數(shù)。2.3.2列變量為效應(yīng)指標(biāo)，且為有序多分類變量，行變量為分

19、組變量，用普通的Pearson檢驗只說明組間構(gòu)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。2.3.3列變量為效應(yīng)指標(biāo)，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(tǒng)計學(xué)意義。2.3.4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(tǒng)計學(xué)意義。（2）如果要做兩變

20、量之間的相關(guān)性，可采用Spearson相關(guān)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）bc>40，則用McNemar配對檢驗。（2）bc<40，則用校正的配對檢驗。2.4.1 C×C資料（1）配對比較：用McNemar配對檢驗。（2）一致性檢驗，用Kappa檢驗。資料3 在研究設(shè)計時, 統(tǒng)計方法的選擇需考慮以下6個方面的問題: (1)看反應(yīng)變量是單變量、 雙變量還是多變量; (2)看單變量資料屬于3種資料類型（計量、 計數(shù)及等級資料）中的哪一種; (3)看影響因素是單因素還是多因素; (4)看單樣本、 兩樣本或多樣本; (5)看是否是配對或

21、配伍設(shè)計; (6)看是否滿足檢驗方法所需的前提條件, 必要時可進行變量變換, 應(yīng)用參數(shù)方法進行假設(shè)檢驗往往要求數(shù)據(jù)滿足某些前提條件, 如兩個獨立樣本比較t檢驗或多個獨立樣本比較的方差分析, 均要求方差齊性, 因此需要做方差齊性檢驗。如果要用正態(tài)分布法估計參考值范圍, 首先要檢驗資料是否服從正態(tài)分布。在建立各種多重回歸方程時, 常需檢驗變量間的多重共線性和殘差分布的正態(tài)性。表1-1連續(xù)因變量 分類因變量連續(xù)自變量 回歸分析Logistic 回歸分類自變量方差分析（ANOVA)表格檢驗（比如卡方檢驗）不同的統(tǒng)計分析方法都有其各自的應(yīng)用條件和適用范圍。實際應(yīng)用時, 必須

22、根據(jù)研究目的、 資料的性質(zhì)以及所要分析的具體內(nèi)容等選擇適當(dāng)?shù)慕y(tǒng)計分析方法, 切忌只關(guān)心p值的大?。ㄊ欠?lt;0.05）, 而忽略統(tǒng)計分析方法的應(yīng)用條件和適用范圍。一、兩個變量之間的關(guān)聯(lián)性分析1.兩個變量均為連續(xù)型變量1)小樣本并且兩個變量服從雙正態(tài)分布，則用Pearson相關(guān)系數(shù)做統(tǒng)計分析2)大樣本或兩個變量不服從雙正態(tài)分布，則用Spearman相關(guān)系數(shù)進行統(tǒng)計分析 2.兩個變量均為有序分類變量，可以用Spearman相關(guān)系數(shù)進行統(tǒng)計分析 3.一個變量為有序分類變量，另一個變量為連續(xù)型變量，可以用Spearman相關(guān)系數(shù)進行統(tǒng)計分析 二、回歸分析1.直線回歸：如

23、果回歸分析中的殘差服從正態(tài)分布（大樣本時無需正態(tài)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(yīng)作適當(dāng)?shù)淖儞Q，使其滿足上述條件。2.多重線性回歸：應(yīng)變量（Y）為連續(xù)型變量（即計量資料），自變量（X1，X2，Xp）可以為連續(xù)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(tài)分布（大樣本時無需正態(tài)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(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結(jié)果的混雜作用3.二分類的Log

24、istic回歸：應(yīng)變量為二分類變量，自變量（X1，X2，Xp）可以為連續(xù)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(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結(jié)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(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結(jié)果的混雜作用 4.有序多

25、分類有序的Logistic回歸：應(yīng)變量為有序多分類變量，自變量（X1，X2，Xp）可以為連續(xù)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(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結(jié)果的混雜作用5.無序多分類有序的Logistic回歸：應(yīng)變量為無序多分類變量，自變量（X1，X2，Xp）可以為連續(xù)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(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變

26、量，以校正這些混雜因素對結(jié)果的混雜作用。資料4一統(tǒng)計方法抉擇的條件在臨床科研工作中，正確地抉擇統(tǒng)計分析方法，應(yīng)充分考慮科研工作者的分析目的、臨床科研設(shè)計方法、搜集到的數(shù)據(jù)資料類型、數(shù)據(jù)資料的分布特征與所涉及的數(shù)理統(tǒng)計條件等。其中任何一個問題沒考慮到或考慮有誤，都有可能導(dǎo)致統(tǒng)計分析方法的抉擇失誤。此外，統(tǒng)計分析方法的抉擇應(yīng)在科研的設(shè)計階段來完成，而不應(yīng)該在臨床試驗結(jié)束或在數(shù)據(jù)的收集工作已完成之后。對臨床科研數(shù)據(jù)進行統(tǒng)計分析和進行統(tǒng)計方法抉擇時，應(yīng)考慮下列因素： 1分析目的對于臨床醫(yī)生及臨床流行病醫(yī)生來說，在進行統(tǒng)計分析前，一定要明確利用統(tǒng)計方法達到研究者的什么目的。一般來說，統(tǒng)計方法可

27、分為描述與推斷兩類方法。一是統(tǒng)計描述(descriptive statistics)，二是統(tǒng)計推斷(inferential statistics)。統(tǒng)計描述，即利用統(tǒng)計指標(biāo)、統(tǒng)計圖或統(tǒng)計表，對數(shù)據(jù)資料所進行的最基本的統(tǒng)計分析，使其能反映數(shù)據(jù)資料的基本特征，有利于研究者能準(zhǔn)確、全面地了解數(shù)據(jù)資料所包涵的信息，以便做出科學(xué)的推斷。統(tǒng)計表，如頻數(shù)表、四格表、列聯(lián)表等；統(tǒng)計圖，如直方圖、餅圖，散點圖等；統(tǒng)計指標(biāo)，如均數(shù)、標(biāo)準(zhǔn)差、率及構(gòu)成比等。統(tǒng)計推斷，即利用樣本所提供的信息對總體進行推斷（估計或比較），其中包括參數(shù)估計和假設(shè)檢驗，如可信區(qū)間、t檢驗、方差分析、c2檢驗等，如要分析甲

28、藥治療與乙藥治療兩組的療效是否不相同、不同地區(qū)某病的患病率有無差異等。還有些統(tǒng)計方法，既包含了統(tǒng)計描述也包含了統(tǒng)計推斷的內(nèi)容，如不同變量間的關(guān)系分析。相關(guān)分析，可用于研究某些因素間的相互聯(lián)系，以相關(guān)系數(shù)來衡量各因素間相關(guān)的密切程度和方向，如高血脂與冠心病、慢性宮頸炎與宮頸癌等的相關(guān)分析；回歸分析，可用于研究某個因素與另一因素（變量）的依存關(guān)系，即以一個變量去推測另一變量，如利用回歸分析建立起來的回歸方程，可由兒童的年齡推算其體重。 2資料類型資料類型的劃分現(xiàn)多采用國際通用的分類方法，將其分為兩類：數(shù)值變量(numerical variable)資料和分類變量(categor

29、ical variable)資料。數(shù)值變量是指其值是可以定量或準(zhǔn)確測量的變量，其表現(xiàn)為數(shù)值大小的不同；而分類變量是指其值是無法定量或不能測量的變量，其表現(xiàn)沒有數(shù)值的大小而只有互不相容的類別或?qū)傩?。分類變量又可分為無序分類變量和有序分類變量兩小類，無序分類變量表現(xiàn)為沒有大小之分的屬性或類別，如：性別是兩類無序分類變量，血型是四類無序分類變量；有序分類變量表現(xiàn)為各屬性或類別間有程度之分,如：臨床上某種疾病的“輕、中、重”，治療結(jié)果的“無效、顯效、好轉(zhuǎn)、治愈”。由此可見，數(shù)值變量資料、無序分類變量資料和有序分類變量資料又可叫做計量資料、計數(shù)資料和等級資料。資料類型的劃分與統(tǒng)計方法的抉擇有關(guān)

30、，在多數(shù)情況下不同的資料類型，選擇的統(tǒng)計方法不一樣。如數(shù)值變量資料的比較可選用t檢驗、u檢驗等統(tǒng)計方法；而率的比較多用c2檢驗。值得注意的是，有些臨床科研工作者，常常人為地將數(shù)值變量的結(jié)果轉(zhuǎn)化為分類變量的臨床指標(biāo)，然后參與統(tǒng)計分析，如患者的血紅蛋白含量，研究者常用正常、輕度貧血、中度貧血和重度貧血來表示，這樣雖然照顧了臨床工作的習(xí)慣，卻損失了資料所提供的信息量。換言之，在多數(shù)情況下，數(shù)值變量資料提供的信息量最為充分，可進行統(tǒng)計分析的手段也較為豐富、經(jīng)典和可靠，與之相比，分類變量在這些方面都不如數(shù)值變量資料。因此，在臨床實驗中要盡可能選擇量化的指標(biāo)反映實驗效應(yīng)，若確實無法定量時，才選用分類數(shù)據(jù)，

31、通常不宜將定量數(shù)據(jù)轉(zhuǎn)變成分類數(shù)據(jù)。 3設(shè)計方法    在眾多的臨床科研設(shè)計方法中，每一種設(shè)計方法都有與之相適應(yīng)的統(tǒng)計方法。在統(tǒng)計方法的抉擇時，必須根據(jù)不同的臨床科研設(shè)計方法來選擇相應(yīng)的統(tǒng)計分析方法。如果統(tǒng)計方法的抉擇與設(shè)計方法不一致，統(tǒng)計分析得到的任何結(jié)論都是錯誤的。在常用的科研設(shè)計方法中，有成組設(shè)計（完全隨機設(shè)計）的t檢驗、配對t檢驗、成組設(shè)計（完全隨機設(shè)計）的方差分析、配伍設(shè)計（隨機區(qū)組設(shè)計）的方差分析等，都是統(tǒng)計方法與科研設(shè)計方法有關(guān)的佐證。因此，應(yīng)注意區(qū)分成組設(shè)計（完全隨機設(shè)計）與配對和配伍設(shè)計（隨機區(qū)組設(shè)計），在成組設(shè)計中又要注意區(qū)別

32、兩組與多組設(shè)計。最常見的錯誤是將配對或配伍設(shè)計（隨機區(qū)組設(shè)計）的資料當(dāng)做成組設(shè)計（完全隨機設(shè)計）來處理，如配對設(shè)計的資料使用成組t檢驗、配伍設(shè)計（隨機區(qū)組設(shè)計）使用成組資料的方差分析；或?qū)⑷M及三組以上的成組設(shè)計（完全隨機設(shè)計）資料的比較采用多個t檢驗、三個或多個率的比較采用四格表的卡方檢驗來進行比較，都是典型的錯誤。如下表： 表1 常見與設(shè)計方法有關(guān)的統(tǒng)計方法抉擇錯誤表格1設(shè)計方法錯誤的統(tǒng)計方法正確統(tǒng)計方法兩個均數(shù)的比較（成組設(shè)計、完全隨機設(shè)計） 成組設(shè)計的t檢驗成組設(shè)計的秩和檢驗多個均數(shù)的比較（成組設(shè)計、完全隨機設(shè)計）多個成組設(shè)計的t檢驗完全隨機設(shè)計的方差分析

33、及q檢驗、完全隨機設(shè)計的秩和檢驗及兩兩比較數(shù)值變量的配對設(shè)計      成組設(shè)計的t檢驗配對t檢驗、配對秩和檢驗隨機區(qū)組設(shè)計（配伍設(shè)計）     多個成組設(shè)計的t檢驗、完全隨機設(shè)計的方差分析隨機區(qū)組設(shè)計的方差分析及q檢驗、隨機區(qū)組設(shè)計的秩和檢驗及兩兩比較交叉設(shè)計 成組設(shè)計的t檢驗、配對t檢驗、配對秩和檢驗 交叉設(shè)計的方差分析、交叉設(shè)計的秩和檢驗 4分布特征及數(shù)理統(tǒng)計條件    數(shù)理統(tǒng)計和概率論是統(tǒng)計的理論基礎(chǔ)。每種統(tǒng)

34、計方法都要涉及數(shù)理統(tǒng)計公式，而這些數(shù)理統(tǒng)計公式都是在一定條件下推導(dǎo)和建立的。也就是說，只有當(dāng)某個或某些條件滿足時，某個數(shù)理統(tǒng)計公式才成立，反之若不滿足條件時，就不能使用某個數(shù)理統(tǒng)計公式。在數(shù)理統(tǒng)計公式推導(dǎo)和建立的條件中，涉及最多的是數(shù)據(jù)的分布特征。數(shù)據(jù)的分布特征是指數(shù)據(jù)的數(shù)理統(tǒng)計規(guī)律，許多數(shù)理統(tǒng)計公式都是在特定的分布下推導(dǎo)和建立的。若實際資料服從（符合）某種分布，即可使用該分布所具有的數(shù)理統(tǒng)計規(guī)律來分析和處理該實際資料，反之則不能。在臨床資料的統(tǒng)計分析過程中，涉及得最多的分布有正態(tài)分布、偏態(tài)分布、二項分布等。許多統(tǒng)計方法對資料的分布有要求，如：均數(shù)和標(biāo)準(zhǔn)差、t和u檢驗；方差分析都要求資料服從正

35、態(tài)分布，而中位數(shù)和四分位數(shù)間距、秩和檢驗等，可用于不服從正態(tài)分布的資料。所以，臨床資料的統(tǒng)計分析過程中，應(yīng)考慮資料的分布特征，最起碼的要求是熟悉正態(tài)分布與偏態(tài)分布。例如：在臨床科研中，許多資料的描述不考慮資料的分布特征，而多選擇均數(shù)與標(biāo)準(zhǔn)差。如某婦科腫瘤化療前的血象值，資料如下表： 某婦科腫瘤化療前的血象值表格 2指標(biāo)名例數(shù)均數(shù)標(biāo)準(zhǔn)差偏度系數(shù)P值峰度系數(shù)P值血紅蛋白(g/L)98111.9918.820.1800.4590.0250.958血小板(×109/L)98173.5887.111.3530.0001.8430.000白細(xì)胞(×109/L)986.7930

36、2.7671.2070.0001.2020.013 從上結(jié)果可見，若只看三項指標(biāo)的均數(shù)和標(biāo)準(zhǔn)差，臨床醫(yī)生也許不會懷疑有什么問題。但是經(jīng)正態(tài)性檢驗，病人的血紅蛋白服從正態(tài)分布，而血小板和白細(xì)胞兩項指標(biāo)的偏度和峰度系數(shù)均不服從正態(tài)分布（P<0.05）。因此，描述病人的血小板和白細(xì)胞平均水平正確的指標(biāo)是中位數(shù)，而其變異程度應(yīng)使用四分位數(shù)間距。除了數(shù)據(jù)的分布特征外，有些數(shù)理統(tǒng)計公式還有其它一些的條件，如t檢驗和方差分析的方差齊性、卡方檢驗的理論數(shù)(T)大小等。    總之，對于臨床科研工作者來說，為正確地進行統(tǒng)計方法的抉擇，首先要掌握或熟悉上述影

37、響統(tǒng)計方法抉擇因素；其次，還應(yīng)熟悉和了解常用統(tǒng)計方法的應(yīng)用條件。二數(shù)據(jù)資料的描述統(tǒng)計描述的內(nèi)容包括了統(tǒng)計指標(biāo)、統(tǒng)計圖和表，其目的是使數(shù)據(jù)資料的基本特征更加清晰地表達。本節(jié)只討論統(tǒng)計指標(biāo)的正確選用，而統(tǒng)計圖表的正確使用請參閱其他書籍。 1數(shù)值變量資料的描述描述數(shù)值變量資料的基本特征有兩類指標(biāo)，一是描述集中趨勢的指標(biāo)，用以反映一組數(shù)據(jù)的平均水平；二是描述離散程度的指標(biāo)，用以反映一組數(shù)據(jù)的變異大小。各指標(biāo)的名稱及適用范圍等見表2。表3  描述數(shù)值變量資料的常用指標(biāo)表格 3指標(biāo)名稱  用 途適用的資料均   &#

38、160;數(shù)（X）描述一組數(shù)據(jù)的平均水平，集中位置      正態(tài)分布或近似正態(tài)分布中 位 數(shù)（M）與均數(shù)相同偏態(tài)分布、分布未知、兩端無界幾何均數(shù)（G ）與均數(shù)相同對數(shù)正態(tài)分布，等比資料標(biāo)準(zhǔn)差  （S）描述一組數(shù)據(jù)的變異大小，離散程度正態(tài)分布或近似正態(tài)分布四分位數(shù)間距（QU-QL） 與標(biāo)準(zhǔn)差相同 偏態(tài)分布、分布未知、兩端無界極  差  （R）與標(biāo)準(zhǔn)差相同觀察例數(shù)相近的數(shù)值變量變異系數(shù)（CV）與標(biāo)準(zhǔn)差相同 比較幾組資料間

39、的變異大小    從表中可看出，均數(shù)與標(biāo)準(zhǔn)差聯(lián)合使用描述正態(tài)分布或近似正態(tài)分布資料的基本特征；中位數(shù)與四分位數(shù)間距聯(lián)合使用描述偏態(tài)分布或未知分布資料的基本特征。這些描述指標(biāo)應(yīng)用時，最常見的錯誤是不考慮其應(yīng)用條件的隨意使用，如：用均數(shù)和標(biāo)準(zhǔn)差描述偏態(tài)分布、分布未知或兩端無界的資料，這是目前在臨床研究文獻中較為普遍和典型的錯誤。 2分類變量資料的描述    描述分類變量資料常用的指標(biāo)有死亡率、患病率、發(fā)病率等。    臨床上，這類指標(biāo)的應(yīng)用較多，出現(xiàn)的錯誤也較多。這些錯

40、誤歸納起來大致有兩類：一是以比代率，即誤將構(gòu)成比(proportion)當(dāng)做率(rate)來描述某病發(fā)生的強度和頻率，如用某病的病人數(shù)除以就診人數(shù)（或人次）得到“某病患病率”或“某病發(fā)病率”，就是典型的以比代率的例子。二是把各種不同的率相互混淆，如把患病率與發(fā)病率、死亡率與病死率等概念混同。    需要指出的是，單純利用醫(yī)院常規(guī)資料，最易得到的指標(biāo)是構(gòu)成比。而描述疾病發(fā)生強度和頻率的指標(biāo)的率反映如患病率、發(fā)病率、死亡率等，很難利用醫(yī)院的常規(guī)資料（如醫(yī)院醫(yī)院的病例檔案）獲得。因為，醫(yī)院常規(guī)資料無法得到計算這些率所需的分子和分母的資料。所以，一旦研究者利用的

41、是醫(yī)院常規(guī)資料，則無法衡量疾病對人群的危害程度。常用描述指標(biāo)如表3。表4  描述分類變量資料的常用指標(biāo)表格 4指標(biāo)名稱 計算公式意義率    發(fā)生某現(xiàn)象的觀察單位數(shù) 可能發(fā)生某現(xiàn)象的觀察單位總數(shù) ×K描述事件發(fā)生的強度和頻率構(gòu)成比  A A+B+ ×100% 事物內(nèi)部各組成部分所占的比重相對比 A  BA指標(biāo)為B指標(biāo)的若干倍或百分之幾三數(shù)據(jù)資料的比較    在眾多的科

42、研研究方法中，歸納起來最基本的手段有兩種，一是對研究對象的全體進行研究，在實際工作中往往難以實現(xiàn)；二是從總體中抽取一定數(shù)量的樣本進行抽樣研究，但要考慮抽樣誤差對結(jié)果的影響。因此，若用樣本信息去推斷其所代表的總體間有無差別時，需要使用假設(shè)檢驗(hypothesis testing)或稱顯著性檢驗(significance test)。1假設(shè)檢驗的基本步驟（1）建立檢驗假設(shè)。    建立假設(shè)的過程應(yīng)有三個內(nèi)容。即無效假設(shè)H0 (null hypothesis)、備擇假設(shè)H1 (alternative 

43、;hypothesis)和檢驗水準(zhǔn)a (size of test)。無效假設(shè)H0是研究者想得到結(jié)論的對立事件的假設(shè)，對于差異性檢驗而言，研究者想得到的是“有差別”的結(jié)論，故首先應(yīng)假設(shè)各總體間無差別；備擇假設(shè)H1是其對立的假設(shè)，即是“有差別”的假設(shè)；此外，還應(yīng)確定有統(tǒng)計意義的概率水平a，通常a取0.05。建立檢驗假設(shè)的通常格式為：H0：多個樣本來自同一總體，各樣本間的差別是由于抽樣誤差所致    H1：多個樣本來自不同的總體，各樣本間的差別是由于不同總體所致    a =0.0

44、5（2）計算統(tǒng)計量。根據(jù)資料的類型、分布特征、科研設(shè)計方法等條件，選擇不同的統(tǒng)計量計算方法，如t檢驗、u檢驗等統(tǒng)計方法。（3）根據(jù)統(tǒng)計量的值得到概率(P)值；再按概率(P)值的大小得出結(jié)論。其結(jié)論只有兩種情況，若Pa時，即概率小于我們事先確定好的檢驗水平概率（如P0.05），我們就拒絕其無差別假設(shè)H0，而接受H1，認(rèn)為差別有統(tǒng)計學(xué)意義，各樣本來自不同總體，樣本間的差別是總體的不同所致；若Pa時，其概率大于我們事先確定好的檢驗水平（如P0.05），我們就不拒絕其無差別的假設(shè)H0，還不能認(rèn)為各總體間有差別，樣本來自同一總體，即差別沒有統(tǒng)計學(xué)意義。2假設(shè)檢驗結(jié)論的兩類錯誤在假設(shè)檢驗的兩種結(jié)論中無論做

45、出何種結(jié)論，都有可能犯錯誤。當(dāng)Pa時，做出“拒絕其無差別的假設(shè)，可認(rèn)為各總體間有差別”的結(jié)論時就有可能犯錯誤，這類錯誤稱為第一類錯誤（型錯誤，type  error），其犯錯誤的概率用a表示，若a取0.05，此時犯型錯誤的概率小于或等于0.05，若假設(shè)檢驗的P值比0.05越小，犯一類錯誤的概率就越小。當(dāng)Pa時，做出“不拒絕其無差別的假設(shè)，還不能認(rèn)為各總體間有差別”的結(jié)論時，就有可能犯第二類錯誤（型錯誤，type  error），其犯錯誤的概率用b表示，在通常情況下犯類錯誤的概率未知，雖然b是個未知數(shù)，但假設(shè)檢驗P值越大，犯二類錯誤的概率就越小。表5

46、60;假設(shè)檢驗的兩類錯誤 表格 5     假設(shè)檢驗結(jié)果真實情況拒絕H0不拒絕H0樣本來自同一總體推斷不正確（a）推斷正確（1-a）樣本來自不同總體推斷正確（1-b）推斷不正確（b） 3假設(shè)檢驗的注意事項（1）假設(shè)檢驗比較的對象是總體，而研究的方法是抽樣研究，即通過對樣本提供的信息去推斷總體間有無差別。不能誤認(rèn)為假設(shè)檢驗是樣本間的比較，更不能將此體現(xiàn)在結(jié)論中。如果研究方法是普查時，由于不存在抽樣誤差，也不存在用樣本提供的信息去推斷總體的問題。因此，在這種情況下也就不能使用假設(shè)檢驗的統(tǒng)計方法。   

47、0;（2）當(dāng)Pa時，概率（P）越小，越有理由拒絕無差別的假設(shè)，即拒絕假設(shè)的可信程度就越大，這時概率（P）越小，其結(jié)論的可靠性就越好。當(dāng)Pa時，概率（P）越大，越有理由不拒絕無差別的假設(shè)，即不拒絕無差別假設(shè)的可信程度就越大。這時概率（P）越大，其結(jié)論的可靠性就越好。因此，無論概率Pa，還是Pa時，都不能說明組間差別的大小。    （3）假設(shè)檢驗的結(jié)論不能絕對化。假設(shè)檢驗的結(jié)論是根據(jù)概率（P）的大小得出的，事實上當(dāng)Pa時，我們拒絕其無差別的假設(shè)，可認(rèn)為各總體間有差別，但是，只要P0，我們無法完全拒絕無差別的假設(shè)，即不能肯定各總體間有差別：同理，當(dāng)Pa時，我們

48、不拒絕其無差別的假設(shè)，還不能認(rèn)為各總體間有差別，但是，只要P1，我們無法完全接受無差別的假設(shè)，即不能肯定各總體間無差別。因此，在做出統(tǒng)計結(jié)論時，要避免使用絕對的或肯定的語句，如當(dāng)Pa時，使用“拒絕假設(shè)，可認(rèn)為各組間有差別”；而當(dāng)Pa時，使用“不拒絕假設(shè)，還不能認(rèn)為各組間有差別”的語言進行描述。   （4）假設(shè)檢驗的方法與設(shè)計方案和分布特征有關(guān)，如：兩組比較的方法有t檢驗、u檢驗、兩組秩和檢驗、四格表和校正四格表的c2檢驗等，這些方法只能用于兩組比較，而不能用于多組的比較。在實際工作中錯誤地使用兩組比較的方法代替多組比較的情況并不少見，如，三個均數(shù)比較用三個t檢驗、

49、四個均數(shù)比較用六個t檢驗等。多組比較可用方差分析、多組秩和檢驗、行乘列c2檢驗等。t、u檢驗和方差分析用于正態(tài)分布的資料，不服從正態(tài)分布的資料可用秩和檢驗。4常用假設(shè)檢驗方法（1）計量資料的假設(shè)檢驗表6 常用計量資料假設(shè)檢驗方法表格 6比較目的          應(yīng)用條件統(tǒng)計方法樣本與總體的比較例數(shù)（n）較大，（任意分布）u檢驗         例數(shù)（n）較小，樣本來自正態(tài)t檢驗兩組資料的比較（完

50、全隨機設(shè)計）   例數(shù)（n）較大，（任意分布）u檢驗     例數(shù)（n）較小，來自正態(tài)且方差齊 成組設(shè)計的t 檢驗      例數(shù)（n）較小且非正態(tài)或方差不齊成組設(shè)計的秩和檢驗、或成組設(shè)計的t檢驗、或成組設(shè)計的中位數(shù)檢驗配對資料的比較（配對設(shè)計）例數(shù)（n）較大，（任意分布） 對設(shè)計的u檢驗   例數(shù)（n）較小，差值來自正態(tài)配對設(shè)計的t 檢驗         例數(shù)（n）較小，差值為非正態(tài) 配對設(shè)計的秩和檢驗多組資料的比較（完全隨機設(shè)計）各組均數(shù)來自正態(tài)且方差齊  成組設(shè)計的方差分析  各組為非正態(tài)或方差不齊 成組設(shè)計的秩和檢驗配伍資料的比較（配伍設(shè)計）各組均數(shù)來自正態(tài)且方差齊 配伍設(shè)計的方差分析各組為非正態(tài)或方差不齊配伍設(shè)計的秩和檢驗（2）計數(shù)資料的假設(shè)檢驗表7  常用計數(shù)資料假設(shè)檢驗方法表格 7比較