醫(yī)學(xué)統(tǒng)計(jì)學(xué)復(fù)習(xí)要點(diǎn)

1、學(xué)習(xí)必備第一章 緒論1、數(shù)據(jù)/資料的分類： 、計(jì)量資料，又稱定量資料或者數(shù)值變量；為觀測(cè)每個(gè)觀察單位某項(xiàng)治療的大小 而獲得的資料。 、計(jì)數(shù)資料，又稱定性資料或者無序分類變量；為將觀察單位按照某種屬性或者 類別分組計(jì)數(shù)，分組匯總各組觀察單位數(shù)后而得到的資料。 、等級(jí)資料，又稱半定量資料或者有序分類變量。為將觀察單位按某種屬性的不 同程度分成等級(jí)后分組計(jì)數(shù)，分類匯總各組觀察單位數(shù)后而得到的資料。2、統(tǒng)計(jì)學(xué)常用基本概念： 、統(tǒng)計(jì)學(xué)（statistic®是關(guān)于數(shù)據(jù)的科學(xué)與藝術(shù)，包括設(shè)計(jì)、搜集、整理、分析 和表達(dá)等步驟，從數(shù)據(jù)中提煉新的有科學(xué)價(jià)值的信息。 、總體（population）指的是根

2、據(jù)研究目的而確定的同質(zhì)觀察單位的全體。 、醫(yī)學(xué)統(tǒng)計(jì)學(xué)（medical statistics）:用統(tǒng)計(jì)學(xué)的原理和方法處理醫(yī)學(xué)資料中的同 質(zhì)性和變異性的科學(xué)和藝術(shù)，通過一定數(shù)量的觀察、對(duì)比、分析，揭示那些困惑費(fèi)解的醫(yī)學(xué)問題背后的規(guī)律性。 、樣本（sample）:指的是從總體中隨機(jī)抽取的部分觀察單位。 、變量（variable）:對(duì)觀察單位某項(xiàng)特征進(jìn)行測(cè)量或者觀察，這種特征稱為變量。 、頻率（frequency）:指的是樣本的實(shí)際發(fā)生率。 、概率（probability ）：指的是隨機(jī)事件發(fā)生的可能性大小。用大寫的P表示。3、統(tǒng)計(jì)工作的基本步驟： 、統(tǒng)計(jì)設(shè)計(jì)：包括對(duì)資料的收集、整理和分析全過程的設(shè)想

3、與安排； 、收集資料：采取措施取得準(zhǔn)確可靠的原始數(shù)據(jù)； 、整理資料：將原始數(shù)據(jù)凈化、系統(tǒng)化和條理化； 、分析資料：包括統(tǒng)計(jì)描述和統(tǒng)計(jì)推斷兩個(gè)方面。第二章計(jì)量資料的統(tǒng)計(jì)描述1. 頻數(shù)表的編制方法，頻數(shù)分布的類型及頻數(shù)表的用途 、求極差（range）:也稱全距，即最大值和最小值之差，記作R； 、確定組段數(shù)和組距，組段數(shù)通常取10-15組； 、根據(jù)組距寫出組段，每個(gè)組段的下限為L(zhǎng),上限為U，變量X值得歸組統(tǒng)一定為L(zhǎng) w X v U，最后一組包括下限。歡迎下載 、分組劃記并統(tǒng)計(jì)頻數(shù)。頻數(shù)分布的類型包括對(duì)稱分布和偏態(tài)分布；偏態(tài)分布主要分為右偏態(tài)分布（也稱正偏態(tài)分布）和左偏態(tài)分布（也稱負(fù)偏態(tài)分布）。 頻數(shù)

4、表的用途包括以下幾個(gè)方面： 、描述頻數(shù)分布的類型； 、描述頻數(shù)分布的特征； 、便于發(fā)現(xiàn)一些特大或特小的離群值； 、便于進(jìn)一步做統(tǒng)計(jì)分析和處理。2. 集中趨勢(shì)指標(biāo)的適用條件、計(jì)算方法和意義。統(tǒng)計(jì)學(xué)用平均數(shù)（average）這一指標(biāo)體系來描述一組變量值的幾種位置或者平均水 平。常用的平均數(shù)有算術(shù)均數(shù)、幾何均數(shù)和中位數(shù)。 、算數(shù)均數(shù)，簡(jiǎn)稱均數(shù)（ mean），可用于反映一組呈對(duì)稱分布的變量值在數(shù)量上的平均水平。計(jì)算方法包括直接計(jì)算法和頻數(shù)表法（公式見2-2）。 、幾何均數(shù)（geometric mean）,可用于反映一組經(jīng)對(duì)數(shù)轉(zhuǎn)換后呈對(duì)稱分布的變量值在數(shù)量上的平均水平，在醫(yī)學(xué)研究中常用于免疫學(xué)的指標(biāo)。（

5、計(jì)算公式見于2-3） 、中位數(shù)（median），適用于各種分布類型的資料，尤其是偏態(tài)分布資料和一端或者兩端無確切數(shù)值的資料。 、百分位數(shù)（percentile）是一種位置指標(biāo)，是一個(gè)界值，其重要用途是確定醫(yī)學(xué) 參考值范圍（reference range）。直接計(jì)算法（公式見于 2-7、2-8）頻數(shù)表法（2-9、2-10）3、離散趨勢(shì)指標(biāo)的適用條件、計(jì)算方法和意義。描述數(shù)據(jù)變異大小的常用統(tǒng)計(jì)指標(biāo)有極差、四分位數(shù)間距、方差、標(biāo)準(zhǔn)差和變異系數(shù)。 、極差，一組變量值的最大值與最小值之差。 、四分位數(shù)間距（quartile range , QR）是把全部變量值分為四部分的分位數(shù)后，學(xué)習(xí)必備. 由第3四分

6、位數(shù)和第1四分位數(shù)相減而得。它一般和中位數(shù)一起描述偏態(tài)分布資料 的分布特征。QR=P75-P25。 、方差(variance)也稱均方差(mean square deviation )離均差平方和與樣本含 量的比值。計(jì)算公式為2-11、標(biāo)準(zhǔn)差(standard deviation)是方差的正平方根，其單位與原變量值得單位相 同。計(jì)算公式為 2-13、2-14、變異系數(shù)(coefficient of variation)記作CV，多用于觀察指標(biāo)單位不同時(shí)， 或者均數(shù)相差較大時(shí)兩者變異程度的比較。計(jì)算公式為2-164. 正態(tài)分布的圖形，正態(tài)分布的特征，正態(tài)曲線下面積的分布規(guī)律。 正態(tài)分布的特征：

7、、在直角坐標(biāo)的橫軸上方呈鐘形曲線，兩端與X軸永不相交，且以 X=卩為對(duì)稱軸，左右完全對(duì)稱。 、在X=卩處，f (X)取最大值，遠(yuǎn)離 卩，其值越小。 、正態(tài)分布有兩個(gè)參數(shù)，位置參數(shù)(1和形態(tài)參數(shù)(T , (1決定正態(tài)分布的曲線在坐標(biāo)軸上的左右移動(dòng)，越大越右移；6決定曲線的弓背程度，越小峰值越高。 正態(tài)分布曲線下的面積分布有一定的規(guī)律。X軸與正態(tài)曲線所夾面積恒等于1或者 100%區(qū)間1 ± 6的面積為68.27%;區(qū)間1 土 1.96 6的面積為95.00%,區(qū)間1 土 2.58 6的面積為99.00%。5. 醫(yī)學(xué)參考值范圍的意義和估計(jì)方法。醫(yī)學(xué)參考值(reference value)是

8、指包括絕大多數(shù)正常人的人體形態(tài)、機(jī)能和代謝 產(chǎn)物等各種生理及生化指標(biāo)常數(shù)，也稱正常值。由于存在個(gè)體差異，生物醫(yī)學(xué)數(shù)據(jù)并非常數(shù)，而是在一定范圍內(nèi)波動(dòng)，故采用醫(yī)學(xué)參考值范圍(medical referenee range)作為判定正常和異常的參考標(biāo)準(zhǔn)。通常使用 的醫(yī)學(xué)參考值范圍有 90%、95%、99% 、正態(tài)分布法：數(shù)據(jù)服從或者近似服從正態(tài)分布，或者通過適當(dāng)?shù)淖儞Q轉(zhuǎn)換為正態(tài)分布，采用此方法之前一般要對(duì)資料進(jìn)行正態(tài)性檢驗(yàn)且要求樣本含量足夠大(如歡迎下載n > 100)計(jì)算公式為2-23、2-24:雙側(cè)：?jiǎn)蝹?cè)： 、百分位數(shù)法：適用于偏態(tài)分布資料醫(yī)學(xué)參考值范圍的制定，所要求的樣本含量 比正態(tài)分布

9、要多(不低于100 )。計(jì)算公式為2-25、2-26:雙側(cè)：?jiǎn)蝹?cè)：第三章總體均數(shù)的估計(jì)與假設(shè)檢驗(yàn)仆基本概念： 抽樣誤差(sampling error):指的是由于個(gè)體變異產(chǎn)生、隨機(jī)抽樣造成的樣本統(tǒng) 計(jì)量與總體參數(shù)的差異。 標(biāo)準(zhǔn)誤(standard error , SE):指的是樣本統(tǒng)計(jì)量的標(biāo)準(zhǔn)差。 均數(shù)的標(biāo)準(zhǔn)誤(standard error of mean , SEM ):指的是樣本均數(shù)的標(biāo)準(zhǔn)差。 探SEM反映樣本均數(shù)之間的離散程度，也反映樣本均數(shù)與相應(yīng)總體均數(shù)間的差異。均數(shù)的標(biāo)準(zhǔn)誤的計(jì)算公式為3-1、3-2統(tǒng)計(jì)推斷(statistical inference):通過抽樣研究的方法從總體中隨機(jī)

10、抽取一個(gè)樣 本，用樣本的信息來推斷總體的特征的統(tǒng)計(jì)學(xué)方法，包括參數(shù)估計(jì)和假設(shè)檢驗(yàn)。2、標(biāo)準(zhǔn)差的用途： 、反映資料的離散趨勢(shì)。標(biāo)準(zhǔn)差越小，說明變異程度越小，均數(shù)的代表性越好； 用于計(jì)算變異系數(shù)； 用于計(jì)算標(biāo)準(zhǔn)誤； 結(jié)合均數(shù)和正態(tài)分布規(guī)律估計(jì)參考值范圍。3、u分布與t分布：學(xué)習(xí)必備歡迎下載u分布（也稱Z分布）：指的是總體均數(shù)為 0，總體標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)正態(tài)分布 N（0,1 2）。t分布：隨機(jī)變量X服從總體均數(shù)為，總體標(biāo)準(zhǔn)差為b的正態(tài)分布N（y, d 2）, 則可以通過u變換將一般的正態(tài)分布轉(zhuǎn)化為標(biāo)準(zhǔn)正態(tài)分布。但是通常獲得的資料為樣本的均數(shù)標(biāo)準(zhǔn)誤，因此經(jīng)過轉(zhuǎn)換后并不是完全意義上的標(biāo)準(zhǔn)正態(tài)分布，而是服

11、從 t分布。（計(jì)算公式為3-3）b、d已知或者未知，但 n足夠大（如60）時(shí)：按u分布 雙側(cè)和單側(cè)公式見 3、8、3-9、3-10B、兩總體均數(shù)之差的可信區(qū)間： 前提：兩總體方差相等，但均數(shù)不等 計(jì)算公式見于 3-12、3-13、3-14標(biāo)準(zhǔn)差反映一組數(shù)據(jù)的離散情況；（ S）不能通過統(tǒng)計(jì)方法來控 制t分布主要用于總體均數(shù)的區(qū)間估計(jì)和t檢驗(yàn)。4、可信區(qū)間：從固定樣本含量的已知總體總進(jìn)行重復(fù)隨機(jī)抽樣試驗(yàn)，根據(jù)每個(gè)樣本可算得一個(gè)可信區(qū)間，則平均有1-a （如95%）的可信區(qū)間包含了總體參數(shù)，而不是總體參數(shù)落在該范圍的可能性為1- a。5、參考值范圍和總體均數(shù)可信區(qū)間的區(qū)別見課本表3-26、標(biāo)準(zhǔn)差與標(biāo)

12、準(zhǔn)誤的區(qū)別和聯(lián)系:均數(shù)的標(biāo)準(zhǔn)誤意反映 X的抽樣誤義差大小= ；丁. - n計(jì)算Sx二S.用控制增加 n方法7、總體均數(shù)可信區(qū)間的計(jì)算：根據(jù)總體標(biāo)準(zhǔn)差d是否已知以及樣本含量 n的大小而異，通常有t分布和u分布兩類方法。A、單一總體均數(shù)的可信區(qū)間：a、總體標(biāo)準(zhǔn)差d已未知：按t分布雙側(cè)和單側(cè)公式見 3-5、3-6、3-78、t分布圖的特征： 、單峰分布，以 0為中心，左右對(duì)稱； 、t分布的曲線形態(tài)取決于自由度v的大小，自由度越小，貝Ut值越分散，曲線的峰部越矮而尾部翹得越高； 、當(dāng)自由度逼近無窮的時(shí)候，樣本標(biāo)準(zhǔn)誤接近總體標(biāo)準(zhǔn)誤，t分布逼近標(biāo)準(zhǔn)正態(tài)分布。（標(biāo)準(zhǔn)正態(tài)分布是t分布的特例）9、t檢驗(yàn)的適用條

13、件t檢驗(yàn)（t test/Student t-test）當(dāng)d未知且樣本含量較小時(shí)（如nv 60），理論上要求t檢驗(yàn)的樣本隨機(jī)地取自正態(tài)分布的總體，兩小樣本均數(shù)比較式還要求兩樣本所對(duì)應(yīng)的兩總體方差相等，即 方差齊性。在實(shí)際應(yīng)用中，如與上述條件略有偏離，對(duì)結(jié)果 影響也不大。10、假設(shè)檢驗(yàn)A、 假設(shè)檢驗(yàn)的基本思想：利用小概率反證法的思想，從問題的對(duì)立面（H。）出發(fā)簡(jiǎn)介判斷要解決的問題（H1 ）是否成立。即在假設(shè) H。成立的條件下計(jì)算檢驗(yàn)統(tǒng)計(jì) 量，然后根據(jù)獲得的 P值來判斷。B、假設(shè)檢驗(yàn)的基本步驟：建立檢驗(yàn)假設(shè)，確定檢驗(yàn)水準(zhǔn)； 計(jì)算檢驗(yàn)統(tǒng)計(jì)量； 確定P值，做出推斷結(jié)論。C、假設(shè)檢驗(yàn)的錯(cuò)誤I型錯(cuò)誤：拒絕了

14、實(shí)際上成立的H0，這類“棄真”的錯(cuò)誤；（a ）n型錯(cuò)誤：“接受”了實(shí)際上不成立的 H0,這類“取偽”的錯(cuò)誤。（3）學(xué)習(xí)必備歡迎下載.注意：a越小，B越大；反之a(chǎn)越大，B越小；若要同時(shí)減小I 型和n型錯(cuò)誤，唯一的方法就是增加樣本含量n ;若重點(diǎn)是減少I型錯(cuò)誤，一般取a =0.05 ；若重點(diǎn)是減少n型錯(cuò)誤，一般拒絕H0,只可能犯I型錯(cuò)誤；接受 H0,只可能犯n型錯(cuò)誤。取3 =0.10或者0.20甚至更高；資 料 或 數(shù) 據(jù)計(jì)量資 料（已 知均數(shù) 和/或標(biāo) 準(zhǔn)差）兩樣 本（樣 本含 量較 小，60）單樣本t檢驗(yàn)適用于已知樣本均數(shù)和已知總體均 數(shù)的比較t分布(v=n-1 )對(duì)方差齊與否無要求 正態(tài)分布

15、t值配對(duì)樣本t檢 驗(yàn)適用于配對(duì)設(shè)計(jì)的計(jì)量資料t分布(v=n-1 )對(duì)方差齊與否無要求 正態(tài)分布t值兩樣本t檢驗(yàn)/ 成組t檢驗(yàn)方差齊適用于任意兩計(jì)量資料 的比較t分布(v=n 1+ n2-2 )方差齊 正態(tài)分布t值方差不齊Cochran&Cox 近似 t 檢驗(yàn)t分布方差不齊 正態(tài)分布t'值（校正t值）Satterthwaite 近似 t 檢驗(yàn)t分布方差不齊 正態(tài)分布t'值（校正自由度）兩樣本的方差比較時(shí)，可以使用F檢驗(yàn)，分子為較大的樣本方差（自由度為n1-1）；分母為較小的樣本方差（自由度為n2-1）。F值滿足F分布，統(tǒng)計(jì)值為F值。多樣本完全隨機(jī)設(shè)計(jì) 資料的方差分 析完全

16、隨機(jī)化分組方法將試驗(yàn)對(duì)象分 配到g個(gè)處理組中去，試驗(yàn)后比較各 組均數(shù)之間的差別F分布方差齊 正態(tài)分布F值與成組t檢驗(yàn)意義相同隨機(jī)區(qū)組設(shè)計(jì) 資料的方差分 析隨機(jī)分配的次數(shù)要重復(fù)多次， 且各個(gè) 處理組實(shí)驗(yàn)對(duì)象數(shù)量相同， 區(qū)組內(nèi)均 衡F分布方差齊 正態(tài)分布F值與配對(duì)t檢驗(yàn)意義相同拉丁方設(shè)計(jì)資料的方差分析可多安排一個(gè)已知的對(duì)實(shí)驗(yàn)結(jié)果有 影響的非處理因素，增加了均衡性， 減少了誤差，提高了效率F分布方差齊 正態(tài)分布F值兩階段交叉設(shè) 計(jì)資料的方差 分析兩種處理在全部實(shí)驗(yàn)過程中交叉進(jìn) 行F分布方差齊 正態(tài)分布F值兩個(gè)階段之間一定要經(jīng) 過一段洗脫階段以消除 殘留效應(yīng)多樣本的多重比較LSD-t檢驗(yàn)/最小顯著差異

17、t檢驗(yàn)，適用于一對(duì)或者幾對(duì)在專業(yè)上有特殊意義的樣本均數(shù)間的比較，統(tǒng)計(jì)量為t值Dunnett-t檢驗(yàn)適用于g-1個(gè)實(shí)驗(yàn)組與一個(gè)對(duì)照組均數(shù)差別的多重比較，統(tǒng)計(jì)量為Dunnett-t值SNK-q檢驗(yàn)適用于多個(gè)樣本均數(shù)兩兩之間的全面比較，統(tǒng)計(jì)量為q值多樣本的方差比較Bartlett檢驗(yàn)，要求資料具有正態(tài)性，統(tǒng)計(jì)量為卡方；學(xué)習(xí)必備歡迎下載Levene檢驗(yàn)，比Bartlett檢驗(yàn)要求低，不需要資料具有正態(tài)性，統(tǒng)計(jì)量為F值。其他類型資料分類資料四格表資料通過兩個(gè)樣本的樣本率來反映總體 率有無差異卡方分布無方差齊性要求無正態(tài)分布要求卡方值與兩樣本的u檢驗(yàn)等價(jià)：u 2=卡方值配對(duì)四格表資 料強(qiáng)調(diào)配對(duì)：即針對(duì)同一

18、樣本米取不 冋的試驗(yàn)或者處理方法?？ǚ椒植紵o方差齊性要求無正態(tài)分布要求卡方值行X列表資料用于多個(gè)樣本率的比較、兩個(gè)或多 個(gè)構(gòu)成比的比較以及雙向無序分類 資料的關(guān)聯(lián)性檢驗(yàn)卡方分布無方差齊性要求無正態(tài)分布要求卡方值可用來分析兩個(gè)分類變量之間有無關(guān)系A(chǔ). |-ZTTV-或者關(guān)聯(lián)多樣本率的多 重比較適用于多樣本率兩兩之間的多重比 較（基本思想：對(duì)卡方值進(jìn)行校正）卡方分布無方差齊性要求無正態(tài)分布要求卡方值H0:H1頻數(shù)分布的擬 合優(yōu)度推斷頻數(shù)分布的擬合優(yōu)度適用于正 態(tài)分布、二項(xiàng)分布、 poisson分布和 負(fù)二項(xiàng)分布卡方分布無方差齊性要求無正態(tài)分布要求卡方值推斷某現(xiàn)象的頻數(shù)分 布是否符合某一理論 分布不

19、滿足上述統(tǒng) 計(jì)方法的資料、 等級(jí)資料 秩檢驗(yàn)配對(duì)樣本的檢 驗(yàn)適用于配對(duì)樣本差值的中位數(shù)和0比較；還可用于單個(gè)樣本中位數(shù)和 總體中位數(shù)比較無方差齊性要求 無正態(tài)分布要求秩和（正秩 和或負(fù)秩 和）T值樣本量n > 50時(shí)可用正 態(tài)分布近似法兩獨(dú)立樣本比 較適用于推斷計(jì)量資料或等級(jí)資料的 兩個(gè)獨(dú)立樣本所來自的兩個(gè)總體分 布是否有差別方差不齊 正態(tài)分布秩和（正秩 和或負(fù)秩 和）T值n1 > 10 或 n2-n1 > 10 可 用正態(tài)分布近似法作 U 檢驗(yàn)完全隨機(jī)多樣 本比較用于推斷計(jì)量資料或者等級(jí)資料的 多個(gè)獨(dú)立樣本所來自的多個(gè)總體分 布是否有差別無方差齊性要求 無正態(tài)分布要求H檢驗(yàn)

20、H值g=3且最小樣本的例數(shù) 大于5或g>3, H近似 服從g-1的正態(tài)分布， 可用卡方分布法多變量資料的 處理回歸 與相關(guān)雙變量直線回 歸用于對(duì)兩變量總體間線性關(guān)系的估 計(jì)線性、獨(dú)立、方差 齊性、誤差服從均 數(shù)為0的正態(tài)分布回歸方程 （回歸系 數(shù)）雙變量直線相 關(guān)用于判斷 兩個(gè)數(shù)值變量之間 有無線 性關(guān)系，雙變量正態(tài)分布資料正態(tài)分布相關(guān)系數(shù)r相關(guān)系數(shù)求出后應(yīng)做假 設(shè)檢驗(yàn)多元線性回歸用于分析一個(gè)應(yīng)變量 與多個(gè)自變量 之間的線性關(guān)系正態(tài)分布多元回歸 方程回歸方程求出后應(yīng)做整 體假設(shè)檢驗(yàn)以及各自變 量的假設(shè)檢驗(yàn)非正態(tài)分布或/和方差不齊：變量轉(zhuǎn)換t單因素方差分析秩和檢驗(yàn)第四章多樣本均數(shù)比較的方差

21、分析1、概念: 離均差平方和 (sum of squares of deviation from mean, SS)指的是各個(gè)觀測(cè)值與總 均數(shù)差值的平方。 均方差，簡(jiǎn)稱均方(mean squareMS )指的是離均差平方和與自由度之間的比值。2、方差分析的基本思想：設(shè)處理因素有g(shù) ( g> 2)個(gè)不同的水平，實(shí)驗(yàn)對(duì)象隨機(jī)分為g組，分別接受不同水平的干預(yù)。方差分析的目的就是在H0:卩1=卩2=卩g成立的條件下，通過分析各處理均數(shù)之間的差別大小，推斷g各總體均數(shù)間有無差別。3、 方差分析的應(yīng)用條件為：各個(gè)樣本是相互獨(dú)立的隨機(jī)樣本，均來自于正態(tài)分布 總體；相互比較的各個(gè)樣本的總體方差相等，即具

22、有方差齊性。4、方差分析的變異分析：總變異的大小一一SS總：各個(gè)觀測(cè)值與總均數(shù)差值的平方和； 組間變異的大小一一 SS組間：各組均數(shù)與總均數(shù)的離均差平方和； 組內(nèi)變異的大小 SS組內(nèi)：組內(nèi)個(gè)觀測(cè)值與其所在組的均數(shù)的差值的平方和。并有SS總=SS 組間 +SS 組內(nèi)由于組間與組內(nèi)的離均差平方和的自由度不同，因此單純的比較并無實(shí)際意義。MS組間=SS組間/v組間；MS組內(nèi)=SS組內(nèi)/v組內(nèi)5、完全隨機(jī)設(shè)計(jì)資料的方差分析：變異來源自由度MSF總變異N-1組間g-1MS組間MS組間/MS組內(nèi)組內(nèi)N-gMS組內(nèi)完全隨機(jī)設(shè)計(jì)資料：正態(tài)分布且方差齊：?jiǎn)我蛩胤讲罘治龀山Mt檢驗(yàn)(意義相同t2 =F)6、隨機(jī)區(qū)組

23、設(shè)計(jì)資料的方差分析：變異來源自由度MSF總變異N-1處理間g -1MS處理MS處理/ MS誤差區(qū)組間n -1MS區(qū)組MS區(qū)組/ MS誤差誤差(n -1)(g -1)MS誤差隨機(jī)區(qū)組設(shè)計(jì)資料：正態(tài)分布且方差齊：雙向分類的方差分析2配對(duì)t檢驗(yàn)(意義相同t =F)非正態(tài)分布或/和方差不齊：變量轉(zhuǎn)換t雙向分類的方差分析Friedman M 檢驗(yàn)初衷：考慮環(huán)境因素對(duì)實(shí)驗(yàn)結(jié)果的影響。7、拉丁方設(shè)計(jì)資料的方差分析：可多安排一個(gè)已知的對(duì)實(shí)驗(yàn)結(jié)果有影響的非處理因素，增加了均衡性，減少了誤差,提高了效率。完全隨機(jī)設(shè)計(jì)只涉及一個(gè)處理因素；隨機(jī)區(qū)組設(shè)計(jì)涉及一個(gè)處理因素、一個(gè)區(qū)組因素；如果實(shí)驗(yàn)研究涉及一個(gè)處理因素和兩個(gè)

24、控制因素，每個(gè)因素的類別數(shù)或水平數(shù)相 等，此時(shí)可采用拉丁方設(shè)計(jì)。變異來源自由度MSF總變異N-1處理組g -1MS處理MS處理/ MS誤差行區(qū)組g -1MS行MS行/ MS誤差列區(qū)組g -1MS列MS列/ MS誤差誤差(g -1)(g -2)MS誤差&兩階段交叉設(shè)計(jì)資料的方差分析該設(shè)計(jì)不僅平衡了處理順序的影響，而且能把處理方法間的差別、時(shí)間先后之間的 差別和實(shí)驗(yàn)對(duì)象之間的差別分開來分析。9、 多樣本均數(shù)間的多重比較方法：LSD-t檢驗(yàn)、Dunnett-t檢驗(yàn)、SNK-q檢驗(yàn)三種。10、 多樣本方差比較：Bartlett檢驗(yàn)、Levene檢驗(yàn)標(biāo)準(zhǔn)化率，需要作假設(shè)檢驗(yàn)。(但如果比較的兩者是

25、總體的參數(shù)，則可進(jìn)行直接比較，無需進(jìn)行t、F檢驗(yàn))第五章 計(jì)數(shù)資料的統(tǒng)計(jì)描述1、基本概念： 、相對(duì)數(shù)(Relative number):是兩個(gè)有關(guān)聯(lián)的數(shù)據(jù)之比，用以說明事物的相對(duì) 關(guān)系，便于對(duì)比分析。常用的相對(duì)數(shù)指標(biāo)很多，按聯(lián)系的性質(zhì)和說明的問題不同，主要分為：率、構(gòu)成、 相對(duì)比三類。 、強(qiáng)度相對(duì)數(shù)-頻率(frequency):是最常見的一種相對(duì)數(shù)，頻率在實(shí)踐中又稱 為比率(proportion )。它表示事物內(nèi)部某個(gè)組成部分所占的相對(duì)多少。 、結(jié)構(gòu)相對(duì)數(shù) 一構(gòu)成比(constituent ratio):說明某事物內(nèi)部各組成部分所占的比重或分布，又稱構(gòu)成比。構(gòu)成比可相加，和等于100%。 、優(yōu)

26、勢(shì)相對(duì)數(shù)-比(ratio)：是指兩個(gè)有關(guān)聯(lián)的指標(biāo)A和B之比，簡(jiǎn)稱比。A和B可以是性質(zhì)相同，也可以是性質(zhì)不相同。通常以倍數(shù)或百分?jǐn)?shù)(%)表示。 、率的標(biāo)準(zhǔn)化法：指的是消除內(nèi)部構(gòu)成差別，使總體率能夠直接進(jìn)行比較的方法。采用統(tǒng)一標(biāo)準(zhǔn)調(diào)整后的率為標(biāo)準(zhǔn)化率，簡(jiǎn)稱為標(biāo)化率(sta ndardized rate)。標(biāo)準(zhǔn)化的基本思想：采用統(tǒng)一的 標(biāo)準(zhǔn)人口構(gòu)成”，以消除人口構(gòu)成不同對(duì)各組總率的影響，使算得的標(biāo)準(zhǔn)化率具有可比性。 、動(dòng)態(tài)數(shù)列(dynamic series)：是按時(shí)間順序排列的統(tǒng)計(jì)指標(biāo)(可以為絕對(duì)數(shù)， 相對(duì)數(shù)或平均數(shù))，用以觀察和比較該事物在時(shí)間上的變化和發(fā)展趨勢(shì)。分析動(dòng)態(tài)數(shù)列常用的指標(biāo)有：絕對(duì)增長(zhǎng)

27、量、發(fā)展速度與增長(zhǎng)速度、平均發(fā)展速度與 平均增長(zhǎng)速度。 、發(fā)展速度：表示報(bào)告期指標(biāo)的水平相當(dāng)于基線期(或前一期)指標(biāo)的百分之 多少或若干倍。 、增長(zhǎng)速度：表示的是凈增加速度，增長(zhǎng)速度=發(fā)展速度-(100% )。2、率的標(biāo)準(zhǔn)化的注意事項(xiàng)： 標(biāo)準(zhǔn)化后的標(biāo)準(zhǔn)化率，已經(jīng)不再反映當(dāng)時(shí)當(dāng)?shù)氐膶?shí)際水平，它只是表示相互比 較的資料間的相對(duì)水平。 兩樣本標(biāo)準(zhǔn)化率是 樣本值，存在抽樣誤差。當(dāng)樣本含量較小時(shí)，比較兩樣本的第六章幾種離散型變量的分布及其應(yīng)用連續(xù)型分布舉例：u分布、t分布和F分布；常用離散型分布：二項(xiàng)分布、Poisson分布、負(fù)二項(xiàng)分布。1、基本概念 、二項(xiàng)分布(binomial distributio

28、n):是指在只會(huì)產(chǎn)生兩種可能結(jié)果之一的n次獨(dú)立重復(fù)試驗(yàn)中，當(dāng)每次實(shí)驗(yàn)的“陽性”的概率n保持不變時(shí)，出現(xiàn)“陽性”次數(shù)X=0,1,2n的一種概率分布。 、Poisson分布(Poisson distribution ):是二項(xiàng)分布的一種極端形式，指的是每次實(shí)驗(yàn)的“陽性”概率比較低的時(shí)候，出現(xiàn)陽性次數(shù)的相應(yīng)概率滿足以入為參數(shù)的XP(入)。2、二項(xiàng)分布的適用條件： 、每次試驗(yàn)只會(huì)發(fā)生兩種隊(duì)里的額可能結(jié)果之一，即分別發(fā)生兩種結(jié)果的概率之和很等于1; 、每次試驗(yàn)產(chǎn)生某種結(jié)果的概率固定不變； 、重復(fù)試驗(yàn)是相互獨(dú)立的，不相互影響。3、二項(xiàng)分布的性質(zhì) 、樣本率的標(biāo)準(zhǔn)差也稱為率的標(biāo)準(zhǔn)誤，可以用來描述樣本率的抽樣誤

29、差，率的標(biāo) 準(zhǔn)誤越小，則率的抽樣誤差就越小。 、當(dāng)n =0.5時(shí)，二項(xiàng)分布圖形是對(duì)稱的，當(dāng)n工0.5時(shí)，圖形是偏態(tài)的，隨著 n增大，圖形趨于對(duì)稱。當(dāng)n無窮時(shí)，只要n不太靠近0或1,二項(xiàng)分布則近似正態(tài)分布。 、禾U用二項(xiàng)分布的性質(zhì)，可進(jìn)行總體率的區(qū)間估計(jì)和差異推斷。(當(dāng)n< 50時(shí)可查表得到可信區(qū)間，50是可采用近似正態(tài)分布法)4、Poisson分布的適用條件：普通性：才充分小的觀測(cè)單位上X的取值最多為1;獨(dú)立增量性：重復(fù)實(shí)驗(yàn)室相互獨(dú)立的，不相互影響；平穩(wěn)性：每次試驗(yàn)陽性時(shí)間發(fā)生的概率都應(yīng)相同。5、Poisson分布的性質(zhì)：學(xué)習(xí)必備_ 、總體均數(shù) 入與總體方差（T 2相等時(shí)Poisson分

30、布的重要特征； 、當(dāng)n很大，而n很小時(shí)，且n n =入為常數(shù)時(shí)，二項(xiàng)分布近似 Poisson分布； 、當(dāng)入增大時(shí)，Poisson分布逐漸近似正態(tài)分布。一般而言，入> 20時(shí)，Poisson分布資料可作為正態(tài)分布處理。 、Poisson分布具備可加性。6、Poisson分布的圖形特點(diǎn)：當(dāng)入越小，分布就越偏態(tài)；當(dāng) 入越大時(shí)，Poisson分布則越漸近正態(tài)分布。當(dāng) 入w 1 時(shí)，隨X取值的變大，P （X）值反而會(huì)變??；當(dāng) 入1時(shí)，隨X取值的變大，P（X）值先增大后變小。第七章卡方檢驗(yàn)X 21、 X 2分布曲線的特點(diǎn)： X 2分布曲線的形狀依賴于自由度的大小當(dāng)自由度w2時(shí)，曲線呈L形；隨著自由度

31、的增加，曲線逐漸趨于對(duì)稱；當(dāng)自由度t無窮時(shí)，x2分布趨近正態(tài)分布。2、x 2分布的基本性質(zhì)：可加性；3、 x 2檢驗(yàn)的原理：通過實(shí)際頻數(shù)和理論頻數(shù)滿足f（ x 2）,來推斷實(shí)際頻數(shù)與理論 頻數(shù)的差異大小及有無統(tǒng)計(jì)學(xué)意義。4、幾種常見的資料類型： 、普通四格表：自由度 =（行數(shù)-1）（列數(shù)-1）X 2可使用四格表專用公式；X： n40且所有的T > 5 t使用基本公式；Pa時(shí)，改用Fisher確切概率法；n > 40但有1 w T w 5 t四格表校正公式或者 Fisher確切概率法n v 40或T v 1 Fisher確切概率法 配對(duì)四格表資料：b+cv 40且1w T w 5要校

32、正；5、Fisher確切概率法思想：四格表資料周邊合計(jì)數(shù)不變的條件下，計(jì)算表內(nèi)4個(gè)實(shí)際頻數(shù)變動(dòng)時(shí)的各種組合之概率；再按照假設(shè)檢驗(yàn)用單側(cè)或雙側(cè)的累計(jì)概率依據(jù)所取得檢驗(yàn)水準(zhǔn)a做出推斷。6、行X列表資料使用范圍：多個(gè)樣本率的比較；樣本構(gòu)成比的比較；雙向無序分類資料的關(guān)聯(lián)性檢驗(yàn)；7、多個(gè)樣本率的多重比較：歡迎下載多個(gè)實(shí)驗(yàn)組間的兩兩比較與實(shí)驗(yàn)組與同一對(duì)照組的比較均應(yīng)對(duì)a進(jìn)行校準(zhǔn)，且方法相同。&擬合優(yōu)度檢驗(yàn)：適用范圍：推斷某一現(xiàn)象的頻數(shù)分布是否符合某一理論分布；比較實(shí)際頻數(shù)與理論頻數(shù)的差異大小。第八章非參數(shù)檢驗(yàn)1、非參數(shù)檢驗(yàn)的適用范圍： 不滿足正態(tài)分布和方差齊性條件的計(jì)量資料； 對(duì)于分布不知道是否

33、正態(tài)的小樣本資料； 對(duì)于一端或兩端是不確定值得資料； 推斷等級(jí)資料的等級(jí)強(qiáng)度差別。2、主要數(shù)據(jù)資料類型： 配對(duì)樣本比較：（樣本量50時(shí)可以采用近似正態(tài)法作u檢驗(yàn)）H0 :樣本總體中位數(shù)=人群總體中位數(shù)；H1 :樣本總體中位數(shù)工人群總體中位數(shù)。 兩獨(dú)立樣本的比較：（n1> 10或n2-n1 > 10時(shí)，令n1+ n2=N，作近似正態(tài)分布檢 驗(yàn)）H0:兩樣本總體分布位置相同；H1:兩樣本總體分布位置不同。 完全隨機(jī)多個(gè)樣本：H0 :多個(gè)樣本總體分布位置相同；H1 :多個(gè)樣本總體分布位置不全相同。注意：當(dāng)完全隨機(jī)的多個(gè)樣本為兩個(gè)樣本時(shí)，使用完全隨機(jī)多個(gè)樣本的檢驗(yàn)方法求得的統(tǒng)計(jì)值H （或H

34、C）與使用兩獨(dú)立樣本的 u檢驗(yàn)求得的u值等價(jià)。H=u2。第九章：雙變量回歸與相關(guān)1、直線回歸（linear regression）：因變量Y隨著自變量X的變化而變化呈直線趨 勢(shì)，但并非所有的對(duì)應(yīng)點(diǎn)恰好全都在一條直線上，稱為直線回歸或者簡(jiǎn)單回歸。注：a為常數(shù)項(xiàng)，是回歸直線在 Y軸上的截距；b為回歸系數(shù)（coefficient of regression）,為直線的斜率；其統(tǒng)計(jì)意義是當(dāng)X變化一個(gè)單位時(shí)Y的平均改變的估計(jì)值。直線回歸方程的求法基本原則： 最小二乘（least sum of square®將實(shí)測(cè)值與假定回歸線上的估計(jì)值的縱向距離稱為殘差（residual）或剩余值。為了使各點(diǎn)

35、殘差盡可能的小，考慮到所有點(diǎn)之殘差有正有負(fù)，所以通常取各點(diǎn)殘差平方和最小的直線即為所求，如此得到的回歸系數(shù)最理想。統(tǒng)計(jì)推斷的檢驗(yàn)：方差分析F檢驗(yàn)或者t檢驗(yàn)兩者等價(jià)：t=F2b離0越遠(yuǎn)，Y受X的影響越大， SS回就越大，回歸效果越好；SS殘?jiān)叫?，估?jì)誤差越小，回歸作用越明顯。2、 直線相關(guān)（linear correlation）:兩個(gè)數(shù)值變量進(jìn)行比較時(shí)，一個(gè)變量在增加或 者減少時(shí)，另一個(gè)變量也表現(xiàn)為增加或者減少，這兩個(gè)變量之間的關(guān)系即為直線相 關(guān)。相關(guān)系數(shù)（correlation coefficient）又稱為pearson積差相關(guān)系數(shù)，以符號(hào)r表示樣本相關(guān)系數(shù)，符號(hào)p表示其總體相關(guān)系數(shù)。用來說

36、明具有直線關(guān)系的兩變量間相關(guān) 的密切程度與相關(guān)方向。相關(guān)系數(shù)的統(tǒng)計(jì)推斷：t檢驗(yàn)決定系數(shù)（coefficie nt of determ in ation ）:為回歸平方和與總平方和之比。其數(shù)值大小反映了回歸貢獻(xiàn)的相對(duì)程度，也就是在Y的總變異中回歸關(guān)系所能解釋的百分比。3、殘差圖考察數(shù)據(jù)是否符合模型假設(shè)的基本要求： 、應(yīng)變量與自變量關(guān)系為線性； 、誤差服從均數(shù)為 0的正態(tài)分布； 、方差相等； 、各觀測(cè)對(duì)象獨(dú)立。4、直線回歸與直線相關(guān)的區(qū)別和共同點(diǎn)區(qū)別：相關(guān)系數(shù)無單位，回歸系數(shù)有單位； 相關(guān)表示相互關(guān)系，沒有依存關(guān)系，回歸有依存關(guān)系； 兩者對(duì)資料的要求不同：當(dāng)X和Y都是隨機(jī)的，可以進(jìn)行相關(guān)和回歸分析

37、；當(dāng)Y是隨機(jī)變量，X是控制變量時(shí)，理論上只能做回歸分析。聯(lián)系：均表示線性關(guān)系； 符號(hào)相同，共變方向一致； 假設(shè)檢驗(yàn)結(jié)果相同；（tr=tb） 可以互相換算（數(shù)值的相同不代表意義的相同）第十二章重復(fù)測(cè)量設(shè)計(jì)資料的方差分析1、重復(fù)測(cè)量設(shè)計(jì)資料的數(shù)據(jù)特征： 、未設(shè)立平行對(duì)照的前后測(cè)量設(shè)計(jì)：（重復(fù)測(cè)量資料最常見的情況是前后測(cè)量設(shè)計(jì)）前后測(cè)量設(shè)計(jì)與配對(duì)設(shè)計(jì) t檢驗(yàn)的區(qū)別：a、 配對(duì)設(shè)計(jì)中同一對(duì)子的兩個(gè)實(shí)驗(yàn)單位可以隨機(jī)分配處理，兩個(gè)實(shí)驗(yàn)單位同期觀 察實(shí)驗(yàn)結(jié)果，可以比較處理組間差別；前后測(cè)量設(shè)計(jì)不能同期觀察實(shí)驗(yàn)結(jié)果，雖然可以在前后測(cè)量之間安排處理，但本質(zhì)上比較的是前后差別，推論處理是否有效是有條件的，即假定測(cè)

38、量時(shí)間對(duì)觀察結(jié)果沒有影響。b、配對(duì)t檢驗(yàn)要求同一對(duì)子的兩個(gè)實(shí)驗(yàn)單位的觀察結(jié)果分別是差值相互獨(dú)立，差值服從正態(tài)分布。而前后測(cè)量設(shè)計(jì)前后兩次觀察結(jié)果通常與差值不獨(dú)立，大多數(shù)情況第一次觀察結(jié)果與差值存在負(fù)相關(guān)的關(guān)系。c、配對(duì)設(shè)計(jì)用平均差值推論處理的作用，前后測(cè)量設(shè)計(jì)出了分析平均差值外，還 可進(jìn)行相關(guān)分析。 、設(shè)立平行對(duì)照的前后測(cè)量設(shè)計(jì)：雖然分為處理組和對(duì)照組，但是不能進(jìn)行差值均數(shù)t檢驗(yàn)，因?yàn)橥ǔ山M差值的方差不會(huì)相等。 、重復(fù)測(cè)量設(shè)計(jì)：重復(fù)測(cè)量數(shù)據(jù)與隨機(jī)區(qū)組設(shè)計(jì)數(shù)據(jù)相似，兩者的差別是：a、重復(fù)測(cè)量設(shè)計(jì)中處理是在區(qū)組間隨機(jī)分配，區(qū)組內(nèi)的各時(shí)間點(diǎn)是固定的，不能隨機(jī)分配；隨機(jī)區(qū)組設(shè)計(jì)則要求每個(gè)區(qū)組內(nèi)實(shí)驗(yàn)單

39、位彼此獨(dú)立，處理只能在區(qū)組內(nèi)隨機(jī)分配，每個(gè)實(shí)驗(yàn)單位接受的處理是不相同的。b、重復(fù)測(cè)量設(shè)計(jì)區(qū)組內(nèi)實(shí)驗(yàn)單位彼此不獨(dú)立，而隨機(jī)區(qū)組內(nèi)實(shí)驗(yàn)單位彼此獨(dú)立， 如果按照隨機(jī)區(qū)組進(jìn)行 t檢驗(yàn)則要求進(jìn)行統(tǒng)計(jì)值的校正。第十五章多元線性回歸資料的分析適用范圍：分析一個(gè)應(yīng)變量與多個(gè)自變量之間的線性關(guān)系；1、 多元線性回歸模型的一般形式：Y 3 0+ 3 1X1+ 3 2X2+ 3 mXm+ea偏回歸系數(shù)3 j的意義：表示在其他自變量保持不變的時(shí)候，Xj增加或減少一個(gè)單位時(shí)Y的平均變化量。b、偏回歸分布的應(yīng)用條件： 、Y與各個(gè)變量之間有線性關(guān)系； 、各例觀測(cè)值Yi相互獨(dú)立； 、殘差e服從均數(shù)為0,方差為S 2的正態(tài)分布

40、。（等價(jià)于對(duì)任意一組自變量 X1、X2Xm值，應(yīng)變量Y具有相同方差，并且服從正態(tài)分布）c、參數(shù)的計(jì)算方法：最小二乘法2、 多元線性 回歸方程 的假設(shè)檢驗(yàn)及其評(píng)價(jià)：（對(duì)整體的假設(shè)檢驗(yàn)）A、 可以將回歸方程中所有的自變量作為一個(gè)整體來檢驗(yàn)它們與應(yīng)變量 Y之間是否 具有線性關(guān)系。假設(shè)檢驗(yàn)方法：方差分析法：H0: 3仁3 2= = 3 m=0 ; H1 :各3 j不全為0.若拒絕H0,接受H1，即可確定所擬合的回歸方程有統(tǒng)計(jì)學(xué)意義。1） 決定系數(shù)R2 :即為偏回歸平方和與殘差平方和的比值，其值越接近1,說明擬 合程度越好。2）復(fù)相關(guān)系數(shù)：決定系數(shù)開根號(hào)，可用來度量應(yīng)變量與多個(gè)自變量之間的線性相 關(guān)程度

41、。B、各自變量的假設(shè)檢驗(yàn)： 、使用方法為偏回歸平方和（SS回（Xj）：表示在m-1個(gè)自變量的基礎(chǔ)上新增加Xj所引起的回歸平方和的增加量。其值越大，說明Xj越重要。偏回歸平方和檢驗(yàn)： H0: 3 j=0；H1 : 3 j豐0注意：?jiǎn)为?dú)分析各個(gè)變量的偏回歸平方和，所有值的和小于總的回歸平方和，其原 因是忽略了各個(gè)變量之間的相互作用成分。 、t檢驗(yàn)法：對(duì)于同一資料，不同自變量的t值間可以相互比較，t的絕對(duì)值越大， 說明該自變量對(duì)Y的回歸所起的作用越大。 標(biāo)準(zhǔn)化回歸系數(shù)：減少自變量觀測(cè)單位不同對(duì)結(jié)果的影響。在有統(tǒng)計(jì)學(xué)意義的前提下，標(biāo)準(zhǔn)化回歸系數(shù)的絕對(duì)值越大說明相應(yīng)自變量對(duì)Y的作用越大。3、自變量選擇方

42、法：A、全局擇優(yōu)法： 、校正決定系數(shù) Rc選擇法（當(dāng)R2相同時(shí)，自變量個(gè)數(shù)越多，Rc越小，最優(yōu)為Rc最大） 、Cp選擇法：應(yīng)選擇 Cp最接近p+1的回歸方程為最優(yōu)方程。B、逐步選擇法： 、前進(jìn)法：（只選不剔）在有統(tǒng)計(jì)學(xué)意義的前提下，選取偏回歸平方和最大的一 個(gè)自變量做F檢驗(yàn)以決定是否選入。 、后退法：（只剔不選）選取回歸平方和最小的一個(gè)自變量做F檢驗(yàn)以決定是否剔除。 、逐步回歸法：先選后剔，雙向篩選。本質(zhì)上是前進(jìn)法，但每引入一個(gè)自變量進(jìn)入方程后，要對(duì)方程中的每一個(gè)自變量做基于偏回歸平方和的F檢驗(yàn)，看是否需要剔除一些退化為不顯著的自變量。注意：為了避免已經(jīng)剔除的自變量再次入選，選入自變量的檢驗(yàn)水

43、準(zhǔn)要小于或等于剔除自變量的檢驗(yàn)水準(zhǔn)。第十六章logistic回歸分析logistic回歸（logistic regression ）屬于概率型非線性回歸。 適用對(duì)象：二分類或多分類影響因素之間的關(guān)系。1、 表示方法：陽性概率 P=1/1+exp（-Z） Z= 3 0+ 3 1X1+ 3 2X2+ + 3 mXmP 的 logit 轉(zhuǎn)換：logit P=ln（p/1-p）= 3 0+ 3 1X1+ 3 2X2+ 3 mXm回歸系數(shù)3 j表示自變量Xj改變一個(gè)單位時(shí)logit P的該變量。2、模型參數(shù)的意義： 、確定優(yōu)勢(shì)比（odds ratio, OR）衡量危險(xiǎn)因素作用大小的比數(shù)比例OR適用于分類

44、指標(biāo)而不適用于計(jì)量指標(biāo)；多變量調(diào)整后的優(yōu)勢(shì)比（adjust odds ratio） ORj:表示扣除了其他自變量影響 后危險(xiǎn)因素的作用。用來對(duì)比某一危險(xiǎn)因素兩個(gè)不同暴露水平Xj=c1和Xj=c0之間的發(fā)病情況。1）3 j=0時(shí)，0Rj=1，說明因素Xj對(duì)疾病的發(fā)生不起作用；2）3 j > 0時(shí)，ORj > 1,說明因素Xj對(duì)疾病發(fā)生起危險(xiǎn)作用；3）3 j V 0時(shí)，ORj V 1,說明因素Xj時(shí)一個(gè)保護(hù)因子。 、確定相對(duì)危險(xiǎn)度（relative risk , RR）學(xué)習(xí)必備_對(duì)于發(fā)病率很低的疾病存在優(yōu)勢(shì)比即等于兩種暴露水平之間的相對(duì)危險(xiǎn)度。2、logistic回歸方程的參數(shù)估計(jì)：

45、主要方法有最大似然估計(jì)法(maximum likelihood estimate , MLE )和優(yōu)勢(shì)比估計(jì)法。3> logistic回歸的適用對(duì)象： 、比較各暴露因素的致病風(fēng)險(xiǎn)的大??； 、多因素的共同作用的評(píng)價(jià)； 、危險(xiǎn)因素的篩選：多經(jīng)文獻(xiàn)報(bào)道選取，但統(tǒng)計(jì)學(xué)資料不能代替專業(yè)依據(jù)4、logistic回歸模型的假設(shè)檢驗(yàn)：常用的檢驗(yàn)方法有似然比檢驗(yàn)(likelihood ratio test )、Wald檢驗(yàn)和計(jì)分檢驗(yàn)(score test)統(tǒng)計(jì)量為卡方值logistic回歸模型變量的篩選與多元線性回歸相同。第十七章生存分析1、生存分析資料與一般資料比較的不同： 、同時(shí)考慮生存時(shí)間和生存結(jié)局； 、通常含有刪失數(shù)據(jù)； 、生存時(shí)間的分布通常不服從正態(tài)分布。2、概念：生存時(shí)間(survival time)，從起始事件到終點(diǎn)事之間所經(jīng)歷的時(shí)間跨度。完全數(shù)據(jù)(complete data),在追蹤觀察中，當(dāng)觀察到了某觀察對(duì)象的明確結(jié)局時(shí)， 該觀察對(duì)象所提供的關(guān)于生存時(shí)間的信息是完整的，這種生存時(shí)間數(shù)據(jù)稱為完全數(shù)據(jù)。不完全數(shù)據(jù)(incomplete data)，在實(shí)際追蹤觀察中，由于某種原因無法知道觀察 對(duì)象的確切生存時(shí)間，這種生存時(shí)間數(shù)據(jù)也稱為截尾數(shù)據(jù)。生存率(survival rate)是指病人經(jīng)歷給定的時(shí)間之后仍存活的概率，若有截尾數(shù) 據(jù)，應(yīng)