常用統(tǒng)計分析方法及其軟件實現(xiàn)

1、關于常用統(tǒng)計分析方法及其軟件實現(xiàn)第1頁，共53頁，2022年，5月20日，0點7分，星期四2基本概念變量類型定性變量二分類變量如性別：男、女，某種疾?。河?、無，某種結局：出現(xiàn)、未出現(xiàn)等。無序多分類如職業(yè)：工人、農民、民工、商人、學生等有序變量(等級變量)如問卷調查中對某件事情的滿意程度：非常不滿意、有點滿意、滿意、很滿意、非常滿意；臨床體檢或實驗室檢驗常用、來表示測量結果第2頁，共53頁，2022年，5月20日，0點7分，星期四3定量變量離散型：只能取整數(shù)值，如一年中的手術病人數(shù)，一年里的新生兒數(shù)，細菌菌落數(shù)等；連續(xù)型：可以取實數(shù)中的任何數(shù)值，如血壓、身高、體重等，可以在實數(shù)的一定范圍內連續(xù)取

2、值第3頁，共53頁，2022年，5月20日，0點7分，星期四4例：某縣乳腺癌相關高危因素調查問卷(部分) 練習：判斷變量類型第4頁，共53頁，2022年，5月20日，0點7分，星期四5數(shù)據(jù)的簡單描述 定量資料集中趨勢：算術均數(shù)、中位數(shù)、幾何均數(shù)、眾數(shù)離散趨勢：標準差、四分位數(shù)間距、方差、極差、變異系數(shù)注意：分析時，根據(jù)資料正態(tài)性特征，用算術均數(shù)與標準差，或中位數(shù)與四分位數(shù)間距描述資料的集中趨勢和離散趨勢有序或分類資料頻數(shù)分析第5頁，共53頁，2022年，5月20日，0點7分，星期四6例：以“數(shù)據(jù)1.sav”為例，計算年齡的集中趨勢和離散趨勢指標。菜單：分析描述統(tǒng)計描述第6頁，共53頁，2022

3、年，5月20日，0點7分，星期四7菜單：分析描述統(tǒng)計頻率第7頁，共53頁，2022年，5月20日，0點7分，星期四8現(xiàn)場調查資料常用推斷性統(tǒng)計分析方法單因素分析兩組之間比較定量資料比較t檢驗、U檢驗；Wilcoxon秩和檢驗分類資料比較（二分類、無序多分類）卡方檢驗有序資料比較Wilcoxon秩和檢驗兩組及以上之間比較定量資料比較單因素方差分析；Kruskal-wallis秩和檢驗分類資料比較（二分類、無序多分類）卡方檢驗有序資料比較Kruskal-wallis秩和檢驗雙變量相關分析：有序資料（kendall），非正態(tài)、定量（spearman）；正態(tài)、定量（pearson相關分析）回歸分析：線

4、性回歸、單因素Logistic回歸第8頁，共53頁，2022年，5月20日，0點7分，星期四9現(xiàn)場調查資料常用推斷性統(tǒng)計分析方法多因素分析多重線性回歸多因素Logistic回歸(因變量二分類、有序、無序多分類)成組個體匹配：條件Logistic回歸群組匹配：考慮群內聚集性，將群組設為層變量第9頁，共53頁，2022年，5月20日，0點7分，星期四10可以選用的方法有成組設計的t檢驗、u檢驗、單樣本t檢驗（與總體作比較，實際上此時因素也為二分類）、配對t檢驗、非參數(shù)Wilcoxon檢驗、符號檢驗、符號秩和檢驗等。 參數(shù)檢驗與非參數(shù)檢驗的區(qū)別？通常參數(shù)檢驗的檢驗效能要高于非參數(shù)檢驗，但當參數(shù)檢驗的

5、條件（正態(tài)性、方差齊性）得不到滿足、開口資料、等級資料或資料的總體分布未知時，可以使用非參數(shù)檢驗的方法進行分析。成組設計和配對設計的區(qū)別？配對設計是按照一些非實驗因素將受試對象配成對子，給予每對中的個體以不同的處理，配對的條件一般為年齡、性別、體重。其優(yōu)點是在同一對的試驗對象間取得均衡，從而提高試驗的效率。通常分為自身配對設計（某中措施作用于同一個體或兩種措施作用于同一個體）和非自身配對設計兩種。兩組之間定量資料的比較第10頁，共53頁，2022年，5月20日，0點7分，星期四11 （1）成組設計的t檢驗，設計類型為成組設計，且因素變量為二分類變量，分析前需要先對資料的正態(tài)性和方差齊性進行檢驗

6、（這是很多參數(shù)檢驗的前提條件）。 例：兩組雌鼠，分別飼以高蛋白和低蛋白飼料，8周后記錄各鼠體重增加量（克），問兩組動物的增重是否有差別？（此處正態(tài)性和方差齊性檢驗略）。 利用SPSS進行分析，數(shù)據(jù)文件及格式見“成組設計t檢驗.sav”，SPSS菜單操作為：分析比較均值獨立樣本T檢驗 結果見下頁第11頁，共53頁，2022年，5月20日，0點7分，星期四12 方差齊性檢驗的分析結果，P值（Sig）0.9050.05，表明方差齊性 t檢驗分析結果，P值（Sig）0.0760.05，表明兩組動物增加的重量無差異（無統(tǒng)計學意義）。 當方差齊性時，看第一行的結果（t1.891，P0.076），當方差不齊

7、時，看第二行的結果（t1.911，P0.078）第12頁，共53頁，2022年，5月20日，0點7分，星期四13 （2）成組設計的u檢驗，當樣本量較大時，兩組之間均數(shù)的比較可以用u檢驗，其在SPSS中的實現(xiàn)過程同t檢驗，此處略。 （3）單樣本t檢驗； 例：通過以往大規(guī)模調查，已知某地嬰兒出生體重均數(shù)為3.30kg，今測得某地一組嬰兒的出生體重，問該地嬰兒出生體重是否與一般嬰兒出生體重不同？ 利用SPSS進行分析，數(shù)據(jù)文件及格式見“單樣本t檢驗.sav”，SPSS菜單操作為：分析比較均值單樣本T檢驗 第13頁，共53頁，2022年，5月20日，0點7分，星期四14 （4）配對t檢驗 例：用某藥治

8、療10例高血壓病人，測得治療前后各病人的舒張壓，問該藥是否有降低舒張壓的作用？ 利用SPSS進行分析，數(shù)據(jù)文件及格式見“配對t檢驗.sav”，SPSS菜單操作為：分析比較均值配對樣本T檢驗結果見下頁第14頁，共53頁，2022年，5月20日，0點7分，星期四15 第15頁，共53頁，2022年，5月20日，0點7分，星期四16 （5）非參數(shù)Wilcoxon秩和檢驗，適用于成組設計資料。 例：測得某病的健康人12人和患者10人的某指標值，問兩組之間該指標值是否有差異？ 第16頁，共53頁，2022年，5月20日，0點7分，星期四17 第17頁，共53頁，2022年，5月20日，0點7分，星期四1

9、8兩組之間分類資料比較 （1）二分類資料 I 成組設計：所用統(tǒng)計方法為四格表2 檢驗。 第18頁，共53頁，2022年，5月20日，0點7分，星期四19 第19頁，共53頁，2022年，5月20日，0點7分，星期四20 第20頁，共53頁，2022年，5月20日，0點7分，星期四21 II 配對設計：對一組樣品同時用兩種檢測方法對其進行檢測，每種檢測方法檢測結果都分為陽性和陰性，數(shù)出兩種檢測方法同時判定為陽性、陰性的樣品數(shù)以及它們檢測結果不一致的樣品數(shù)，將結果表示成配對四格表的資料格式。所用統(tǒng)計方法為配對四格表2 檢驗。 實例1中，兩種檢測方法不知何者為優(yōu)，任何一種方法檢測的結果都有假陽性和假

10、陰性，比較它們檢測結果不一致的兩個頻數(shù)，無論差別有無統(tǒng)計學意義，都不能說明兩種檢測方法何者為優(yōu)，缺乏“金標準”，因而沒有必要做統(tǒng)計分析。第21頁，共53頁，2022年，5月20日，0點7分，星期四22 實例2屬于隱含金標準的配對四格表資料，若甲培養(yǎng)基培養(yǎng)出陽性結果，而乙卻培養(yǎng)出陰性結果，表明甲優(yōu)于乙，這種陽性結果為真陽性，此時值得做統(tǒng)計分析。實例3則可以明確地判定試驗檢測方法的優(yōu)劣。配對四格表的2 檢驗可用McNemar 2 檢驗,以檢測結果不一致部分差別是否具有統(tǒng)計學意義。當然也可用Kappa檢驗法檢驗兩種檢測方法的檢測結果是否具有一致性。 估計值P值卡方34.0000 5.51121E-0

11、9校正卡方32.0294 1.51856E-08估計值P值卡方0.14290.705457校正卡方0.0000 1.000000結果結果第22頁，共53頁，2022年，5月20日，0點7分，星期四23 第23頁，共53頁，2022年，5月20日，0點7分，星期四24（2）無序多分類資料：所用方法為2C表的2檢驗。 SPSS數(shù)據(jù)格式第24頁，共53頁，2022年，5月20日，0點7分，星期四25可以采用兩組有序變量資料的Wilcoxon秩和檢驗 兩組之間有序資料比較干預過去三個月您抽煙嗎U ValueP Value從不很少有時經常前4648461345291-2.88510.0039后31632

12、97181164合計7811758526455第25頁，共53頁，2022年，5月20日，0點7分，星期四26 第26頁，共53頁，2022年，5月20日，0點7分，星期四27 第27頁，共53頁，2022年，5月20日，0點7分，星期四28當多組之間比較時，可以選用的方法有單因素方差分析、配伍組設計的方差分析（屬兩因素方差分析，其與二分類的配對t檢驗相對應）、非參數(shù)Kruskal-Wallis檢驗及非參數(shù)Friedman檢驗等。 （1）單因素方差分析 例：某醫(yī)生為研究一種四類降糖新藥的療效，以統(tǒng)一的納入標準和排除標準選擇了60名2型糖尿病患者，按完全隨機設計方案將患者分為三組進行雙盲臨床試驗

13、。其中，將糖新藥高劑量組21人、低劑量組19人、對照組20人。對照組用公認的降糖藥物，治療4周后測得其餐后2小時血糖的下降值。問治療4周后，餐后2小時血糖下降值的三組總體平均水平是否不同？（此處正態(tài)性和方差齊性檢驗略）。 利用SPSS進行分析，數(shù)據(jù)文件及格式見“單因素方差分析.sav”，SPSS菜單操作為：分析比較均值單因素Anova 兩組及以上定量資料的比較 第28頁，共53頁，2022年，5月20日，0點7分，星期四29 截圖二：兩兩比較對話框，常用的有LSD、S-N-K、Bonferroni、Duncan、Dunnett方法。截圖一：方差同質性檢驗第29頁，共53頁，2022年，5月20

14、日，0點7分，星期四30 方差齊性檢驗結果：P0.05,方差齊方差分析結果，F(xiàn)=5.537,P=0.0060.05，說明三組之間總體平均水平不同。因而進一步用Dunnett法作多個試驗組與一個對照組間的比較（見下頁）。第30頁，共53頁，2022年，5月20日，0點7分，星期四31 第31頁，共53頁，2022年，5月20日，0點7分，星期四32 （2）非參數(shù)Kruskal-Wallis檢驗 例：仍以上述資料為例，假設此時資料不符合正態(tài)性或方差齊性的要求，我們使用非參數(shù)Kruskal-Wallis檢驗進行分析。SPSS菜單操作為：分析非參數(shù)檢驗舊對話框 K 個獨立樣本第32頁，共53頁，202

15、2年，5月20日，0點7分，星期四33（1）二分類:所用方法為R2表的2檢驗。 如幾種藥物的療效（有效、無效）比較；不同職業(yè)人群某病發(fā)生率的比較等等。 兩組及以上分類資料的比較 第33頁，共53頁，2022年，5月20日，0點7分，星期四34第34頁，共53頁，2022年，5月20日，0點7分，星期四35（2）多分類:所用方法為RC表的2檢驗。 第35頁，共53頁，2022年，5月20日，0點7分，星期四36 實例2中小于5的理論頻數(shù)的格子數(shù)超過了總格子數(shù)的1/5，若選用一般的2檢驗公式計算，將增大犯假陽性錯誤的概率，故此處應選用Fishers精確檢驗法。第36頁，共53頁，2022年，5月2

16、0日，0點7分，星期四37第37頁，共53頁，2022年，5月20日，0點7分，星期四38第38頁，共53頁，2022年，5月20日，0點7分，星期四39此時資料屬于單向有序的RC表資料，可以使用秩和檢驗方法分析。 兩組及以上有序資料的比較 第39頁，共53頁，2022年，5月20日，0點7分，星期四40 Kruskal-Wallis Test:使用SPSS分析實例2資料，數(shù)據(jù)格式見右側截圖。菜單操作為：分析非參數(shù)檢驗舊對話框 K 個獨立樣本注意：例數(shù)必須先進行加權操作第40頁，共53頁，2022年，5月20日，0點7分，星期四41 雙變量相關分析 菜單：分析相關雙變量數(shù)據(jù)格式分析結果相關分析

17、對話框第41頁，共53頁，2022年，5月20日，0點7分，星期四例：淡菜食用個數(shù)與臨床癥狀嚴重程度的關系第42頁，共53頁，2022年，5月20日，0點7分，星期四43 線性回歸 菜單：分析回歸線性 例：淡菜食用個數(shù)與腹瀉次數(shù)的回歸分析第43頁，共53頁，2022年，5月20日，0點7分，星期四線性回歸分析結果(淡菜食用個數(shù)與腹瀉次數(shù)的回歸分析)Regression coefficientStd. errortP95%CIlowerupperconstant5.6461.7072.2219.071number of mussels consumed0.4040.1203.3800.0010.

18、1640.644第44頁，共53頁，2022年，5月20日，0點7分，星期四45Logistic回歸分析 Logistic回歸是適用于反應變量（即因變量）為分類變量的回歸分析，近年來在許多研究領域得到了廣泛的應用。 Logistic歸按照反應變量的類型可分為：兩分類反應變量的Logistic回歸;多分類有序反應變量的Logistic回歸（本課件不介紹）多分類無序反應變量的Logistic回歸（本課件不介紹）Logistic回歸按照研究設計的類型可分為：成組設計：非條件Logistic回歸，即研究對象未經匹配;配對設計：條件Logistic回歸，1:1、 1:m、m:n群組匹配：（本課件不介紹）第45頁，共53頁，2022年，5月20日，0點7分，星期四46非條件Logistic回歸分析單因素 （1）因素為定量變量（如結婚年齡）