完整版统计方法的选择汇总.docx
《完整版统计方法的选择汇总.docx》由会员分享，可在线阅读，更多相关《完整版统计方法的选择汇总.docx（7页珍藏版）》请在冰豆网上搜索。
完整版统计方法的选择汇总
统计方法的选择
一、两组或多组计量资料的比较
1。
两组资料:
1）大样本资料或服从正态分布的小样本资料
（1）若方差齐性，则作成组t检验
（2）若方差不齐，则作t’检验或用成组的Wilcoxon秩和检
验
2）小样本偏态分布资料，则用成组的Wilcoxon秩和检验
2。
多组资料：
1）若大样本资料或服从正态分布，并且方差齐性，则作
完全随机的方差分析。
如果方差分析的统计检验为有统
计学意义，则进一步作统计分析:
选择合适的方法
（如：
LSD检验,Bonferroni检验等）进行两两比较。
2）如果小样本的偏态分布资料或方差不齐，则作
KruskalWallis的统计检验.如果KruskalWallis的统计
检验为有统计学意义，则进一步作统计分析：
选择合适
的方法（如：
用成组的Wilcoxon秩和检验，但用
Bonferroni方法校正P值等）进行两两比较。
二、分类资料的统计分析
1.单样本资料与总体比较
1）二分类资料：
（1）小样本时:
用二项分布进行确切概率法检验;
（2）大样本时：
用U检验。
2）多分类资料：
用Pearsonc2检验（又称拟合优度检
验）.
2.四格表资料
1）n〉40并且所以理论数大于5,则用Pearsonc2
2）n>40并且所以理论数大于1并且至少存在一个理论数
〈5,则用校正c2或用Fisher's确切概率法检验
3）n￡40或存在理论数<1，则用Fisher’s检验
3。
2×C表资料的统计分析
1）列变量为效应指标，并且为有序多分类变量，行变量
为分组变量，则行评分的CMHc2或成组的Wilcoxon秩
和检验
2）列变量为效应指标并且为二分类，列变量为有序多分
类变量，则用趋势c2检验
3）行变量和列变量均为无序分类变量
（1）n〉40并且理论数小于5的格子数〈行列表中格子总数
的25%,则用Pearsonc2
（2）n￡40或理论数小于5的格子数〉行列表中格子总数的
25%，则用Fisher’s确切概率法检验
4。
R×C表资料的统计分析
1）列变量为效应指标，并且为有序多分类变量,行变量
为分组变量，则CMHc2或KruskalWallis的秩和检验
2）列变量为效应指标，并且为无序多分类变量,行变量
为有序多分类变量，作nonezerocorrelationanalysis
的CMHc2
3）列变量和行变量均为有序多分类变量，可以作
Spearman相关分析
4）列变量和行变量均为无序多分类变量，
（1）n>40并且理论数小于5的格子数〈行列表中格子总数
的25%，则用Pearsonc2
（2）n￡40或理论数小于5的格子数>行列表中格子总数的
25％，则用Fisher’s确切概率法检验
三、Poisson分布资料
1.单样本资料与总体比较:
1）观察值较小时：
用确切概率法进行检验。
2）观察值较大时：
用正态近似的U检验。
2。
两个样本比较：
用正态近似的U检验。
配对设计或随机区组设计
四、两组或多组计量资料的比较
1.两组资料：
1）大样本资料或配对差值服从正态分布的小样本资料，
作配对t检验
2）小样本并且差值呈偏态分布资料,则用Wilcoxon的符
号配对秩检验
2。
多组资料：
1）若大样本资料或残差服从正态分布，并且方差齐性，
则作随机区组的方差分析。
如果方差分析的统计检验为
有统计学意义，则进一步作统计分析：
选择合适的方法
（如：
LSD检验，Bonferroni检验等）进行两两比较。
2）如果小样本时，差值呈偏态分布资料或方差不齐,则
作Fredman的统计检验。
如果Fredman的统计检验为有
统计学意义，则进一步作统计分析:
选择合适的方法
（如:
用Wilcoxon的符号配对秩检验，但用Bonferroni
方法校正P值等）进行两两比较。
五、分类资料的统计分析
1.四格表资料
1）b+c〉40，则用McNemar配对c2检验或配对边际c2检
验
2）b+c￡40,则用二项分布确切概率法检验
2.C×C表资料:
1）配对比较:
用McNemar配对c2检验或配对边际c2检
验
2）一致性问题（Agreement）:
用Kap检验
变量之间的关联性分析
六、两个变量之间的关联性分析
1。
两个变量均为连续型变量
1）小样本并且两个变量服从双正态分布，则用Pearson
相关系数做统计分析
2）大样本或两个变量不服从双正态分布,则用
Spearman相关系数进行统计分析
2.两个变量均为有序分类变量，可以用Spearman相关
系数进行统计分析
3.一个变量为有序分类变量,另一个变量为连续型变
量,可以用Spearman相关系数进行统计分析
七、回归分析
1.直线回归：
如果回归分析中的残差服从正态分布（大
样本时无需正态性），残差与自变量无趋势变化，则直
线回归（单个自变量的线性回归，称为简单回归）,否
则应作适当的变换,使其满足上述条件。
2.多重线性回归:
应变量（Y）为连续型变量（即计量
资料），自变量（X1，X2，…，Xp）可以为连续型变
量、有序分类变量或二分类变量。
如果回归分析中的残
差服从正态分布（大样本时无需正态性），残差与自变
量无趋势变化，可以作多重线性回归。
1）观察性研究：
可以用逐步线性回归寻找（拟）主要的
影响因素
2）实验性研究:
在保持主要研究因素变量（干预变量）
外，可以适当地引入一些其它可能的混杂因素变量，以
校正这些混杂因素对结果的混杂作用
3。
二分类的Logistic回归：
应变量为二分类变量，自变
量（X1,X2，…，Xp）可以为连续型变量、有序分类
变量或二分类变量。
1）非配对的情况：
用非条件Logistic回归
（1）观察性研究：
可以用逐步线性回归寻找（拟）主要
的影响因素
（2）实验性研究：
在保持主要研究因素变量（干预变
量）外,可以适当地引入一些其它可能的混杂因素变
量，以校正这些混杂因素对结果的混杂作用
2）配对的情况:
用条件Logistic回归
（1）观察性研究：
可以用逐步线性回归寻找（拟）主要
的影响因素
（2）实验性研究：
在保持主要研究因素变量（干预变
量）外，可以适当地引入一些其它可能的混杂因素变
量，以校正这些混杂因素对结果的混杂作用
4。
有序多分类有序的Logistic回归：
应变量为有序多分
类变量，自变量（X1，X2，…，Xp）可以为连续型变
量、有序分类变量或二分类变量。
1）观察性研究：
可以用逐步线性回归寻找（拟）主要的
影响因素
2）实验性研究：
在保持主要研究因素变量（干预变量）
外，可以适当地引入一些其它可能的混杂因素变量,以
校正这些混杂因素对结果的混杂作用
5.无序多分类有序的Logistic回归:
应变量为无序多分
类变量，自变量（X1，X2，…，Xp）可以为连续型变
量、有序分类变量或二分类变量.
1）观察性研究：
可以用逐步线性回归寻找（拟）主要的
影响因素
2）实验性研究：
在保持主要研究因素变量（干预变量）
外，可以适当地引入一些其它可能的混杂因素变量，以
校正这些混杂因素对结果的混杂作用
八、生存分析资：
要求资料记录结局和结局发生的时
间（如；死亡和死亡发生的时间）
1。
用Kaplan—Meier方法估计生存曲线
2。
大样本时,可以寿命表方法估计
3.单因素可以用Log－rank比较两条或多条生存曲线
4。
多个因素时,可以作多重的Cox回归
1）观察性研究：
可以用逐步线性回归寻找（拟）主要的
影响因素
2）实验性研究：
在保持主要研究因素变量（干预变量）
外，可以适当地引入一些其它可能的混杂因素变量，以
校正这些混杂因素对结果的混杂作用
升级会员 