第二十二章統(tǒng)計方法選擇與結果解釋

統(tǒng)計方法選擇與結果解釋四川大學華西公共衛(wèi)生學院衛(wèi)生統(tǒng)計學第一節(jié)

統(tǒng)計方法的正確選擇

在實際應用中，如何選擇恰當?shù)慕y(tǒng)計方法分析資料，常常是最為重要也是最為棘手的問題，尤其是組間比較的假設檢驗問題。一、統(tǒng)計方法選擇的基本思路

正確選擇統(tǒng)計方法的基本思路和原則就是根據(jù)：數(shù)據(jù)特征樣本含量研究目的對比組數(shù)設計類型資料類型

綜合判斷1.研究目的研究目的不明確，所做的分析很可能是錯誤的或沒有意義的。

例如，一個四格表資料可以進行的統(tǒng)計分析或計算的統(tǒng)計量至少有差別性檢驗和獨立性檢驗、列聯(lián)系數(shù)、kappa系數(shù)、OR值、RR值、靈敏度、特異度等。組別有效無效合計甲藥271845乙藥40545合計672390甲、乙兩藥治療小兒上消化道出血的效果一般而言，統(tǒng)計分析通?；卮饍蓚€方面的問題：一是通過比較回答觀測指標的差別是否歸因于處理因素或分組因素，在本教材范圍內所涉及的主要是單變量問題。二是分析變量之間是否存在某種聯(lián)系，這主要涉及相關分析和回歸分析，在本教材范圍內所涉及的主要是雙變量及多變量問題。

2.設計類型

從實驗研究設計來看，常見的設計類型為完全隨機設計(成組設計)配對或配伍設計(隨機區(qū)組設計)從觀察研究設計來看，在統(tǒng)計方法的選擇上，通常將其等同于完全隨機設計的數(shù)據(jù)因此，完全隨機設計的數(shù)據(jù)分析時，應選擇相應的：兩樣本(成組)t檢驗單因素(完全隨機設計)方差分析檢驗(獨立樣本)兩樣本W(wǎng)ilcoxon秩和檢驗或多樣本Kruskal-Wallis秩和檢驗對于配對或配伍設計的數(shù)據(jù)，則應選擇相應的配對t檢驗配伍組(隨機區(qū)組)設計方差分析配對檢驗配對(Wilcoxon單樣本秩和檢驗)或配伍設計的秩和檢驗(Friedman秩和檢驗)等。3.資料類型對于定量變量，選擇它所對應的那些統(tǒng)計方法

如t檢驗、方差分析或秩和檢驗等對于定性變量，則選擇它所對應的統(tǒng)計方法

如二項分布或Poisson分布的Z檢驗、檢驗等其中等級資料一般采用秩和檢驗進行分析4.數(shù)據(jù)特征對于同一設計類型和同一資料類型，仍然有許多方法可以選擇。3.資料類型對于定量變量，選擇它所對應的那些統(tǒng)計方法

如：t檢驗、方差分析或秩和檢驗等。對于定性變量，則選擇它所對應的統(tǒng)計方法

如：二項分布或Poisson分布的Z檢驗、檢驗等。其中等級資料一般采用秩和檢驗進行分析4.數(shù)據(jù)特征什么時候用t檢驗或方差分析？什么時候用秩和檢驗？

t檢驗和方差分析屬參數(shù)檢驗方法，對數(shù)據(jù)要求較高，通常要求數(shù)據(jù)服從正態(tài)分布和方差齊性。如果服從該條件或經(jīng)變量變換后服從條件，則采用參數(shù)檢驗方法，否則采用秩和檢驗這類非參數(shù)檢驗方法。能否不考慮分布和方差齊性問題，直接采用非參數(shù)檢驗？5.對比組數(shù)對于單組問題(樣本與總體比較)，即一個樣本均數(shù)或率與總體均數(shù)或率的比較，可分別采用：樣本與總體均數(shù)比較的t檢驗二項分布和正態(tài)分布原理進行分析多組均數(shù)的比較、多組等級資料的比較，可分別采用：方差分析Kruskal-Wallis秩和檢驗Friedman秩和檢驗多組率或構成比的比較，可采用表檢驗。注意:多組比較在差別有統(tǒng)計學意義的情況下需再進行兩兩比較。6.樣本含量在樣本較小時：如果是一個樣本率與總體率的比較，可采用直接計算概率的方法如基于二項分布的確切概率法。如果是四格表資料則采用Fisher確切概率法或校正檢驗。對于均數(shù)比較問題，一般情況下采用t檢驗。在大樣本時可考慮Z檢驗作近似。6.樣本含量在樣本較小時：如果是一個樣本率與總體率的比較，可采用直接計算概率的方法如基于二項分布的確切概率法。如果是四格表資料則采用Fisher確切概率法或校正檢驗。對于兩樣本均數(shù)比較問題，一般情況下采用t檢驗。在大樣本時？循著上述基本思路進行綜合判斷，對于一個特定的資料，選擇一個恰當?shù)慕y(tǒng)計方法并非一件十分困難的事情。在實際工作中，遇到的實際問題可能并非如此簡單，須結合專業(yè)問題和所要分析的具體內容加以綜合考慮和仔細判斷，有時需對各種統(tǒng)計方法加以綜合運用。在方法選擇時，還有一些問題需加以說明：當分析目的是分析變量之間是否存在某種聯(lián)系時，這就涉及到雙變量的分析方法，即相關關系或回歸關系的分析。需注意相關分析和回歸分析的區(qū)別與聯(lián)系：前者是分析兩變量的關聯(lián)性；后者是分析兩變量的數(shù)量依存關系。關聯(lián)性分析對于定量變量，需根據(jù)兩個變量是否滿足雙變量正態(tài)分布，相應地采用Pearson積矩相關分析或Spearman秩相關分析。對于等級變量則直接采用Spearman秩相關分析。對于分類變量常計算列聯(lián)系數(shù)進行分析對于一個二分類變量和一個等級變量之間的線性關聯(lián)通常采用線性趨勢檢驗。對于表資料，需注意區(qū)分是單向有序或者是雙向有序。對于前者，檢驗和秩和檢驗說明的問題不同；對于后者，檢驗和列聯(lián)系數(shù)分析的是兩個分類變量的關聯(lián)性。兩有序分類變量的關聯(lián)性分析宜采用Goodman-KruskalGamma方法表**某地20歲以上成年人眼睛晶狀體混濁程度

年齡（歲）晶狀體混濁程度合計++++++20～205664431530～140986029840～160125132417合計5052892361030對于同一批研究對象兩次定性觀察結果的一致性情況Kappa指數(shù)表11-19兩次定性觀察結果的匯總

第二次觀察結果第一次觀察結果行合計12…m12………m列合計…多變量的數(shù)據(jù)分析：多重線性回歸是對反應變量為定量變量進行的多變量分析logistic回歸是對反應變量為分類變量所進行的多變量分析Cox比例風險回歸是對反應變量為含有截尾數(shù)據(jù)的生存時間所進行的分析Log-rank檢驗的濫用生存分析是一類較為特殊的針對具有截尾數(shù)據(jù)的生存時間數(shù)據(jù)所進行的分析。它也包括統(tǒng)計描述和統(tǒng)計推斷兩個部分的內容，針對分組和未分組資料，方法又有所不同。二、統(tǒng)計分析需注意的若干問題1.數(shù)據(jù)分析通常的步驟:

數(shù)據(jù)探測統(tǒng)計描述統(tǒng)計推斷數(shù)據(jù)探測數(shù)據(jù)探測常常是進行統(tǒng)計描述和統(tǒng)計推斷的基礎。如數(shù)據(jù)分布特征的考察、方差齊性的判斷、散點圖的繪制、離群值的發(fā)現(xiàn)，以及了解數(shù)據(jù)是否符合特定統(tǒng)計方法的應用條件等，必要時可進行變量變換或轉換以滿足分析的需要。數(shù)據(jù)探測將增加對數(shù)據(jù)的基本了解，為進一步的分析奠定基礎。統(tǒng)計描述統(tǒng)計描述:計算各種統(tǒng)計指標和運用各種統(tǒng)計圖表描述和概括數(shù)據(jù)的數(shù)量特征及分布規(guī)律。首先需要區(qū)分變量類型，定量變量和定性變量的統(tǒng)計描述指標是不同的。對于定量變量，根據(jù)數(shù)據(jù)分布特征的不同，可分別采用正態(tài)分布和百分位數(shù)方法對數(shù)據(jù)進行描述以及確定觀察值分布范圍等。對于定性資料，根據(jù)分析目的，可計算率、構成比或相對比等指標。

統(tǒng)計推斷

在數(shù)據(jù)探測和統(tǒng)計描述的基礎上選擇恰當?shù)慕y(tǒng)計推斷方法分析資料。區(qū)間估計：總體均數(shù)的區(qū)間估計，根據(jù)已有條件的不同如樣本大小的不同，可采用t分布或正態(tài)分布原理進行估計?？傮w率的區(qū)間估計，一般也是根據(jù)樣本大小的不同以及樣本率的大小，采用二項分布、Poisson分布或正態(tài)分布原理進行估計。2.混雜因素的控制學習統(tǒng)計學必須學會在研究設計和數(shù)據(jù)分析時控制混雜因素的方法，使得比較的各組除了研究因素之外，其它因素盡可能地相同或相似。這樣，各組觀測指標之間的差異只能歸因于研究因素而不是其它原因。如果各組在研究因素之外的某種或某些因素有所不同，那么這個或這些其它因素的效應就可能同研究因素的效應混淆在一起。在這種情況下，通常的統(tǒng)計分析結論在進行因果推斷時常常是不可靠的。“可比性”問題是在數(shù)據(jù)分析和結果解釋時必須加以考慮的一個十分重要的問題。對于不具可比性的資料，基本的統(tǒng)計調整技術就是采用分層分析或標準化方法消除其它非研究因素的影響，對于具有多個變量的復雜情況，則需采用多變量分析技術加以調整。我們需要考慮：有哪些因素與研究的因素混雜在一起？怎樣調整這些混雜因素？分層分析Example：研究吸煙與健康的關系吸煙與非吸煙者死亡率的比較吸煙者與不吸煙者死亡率的直接比較可能存在問題。因為：吸煙者多為男性，而男性比女性更易患心臟病而發(fā)生死亡，吸煙者與未吸煙者之間死亡率的差異也許是因為性別的差異。

為了排除這種可能性，可：吸煙男性與不吸煙男性進行比較吸煙女性與不吸煙女性進行比較。即以性別因素分層，再比較吸煙與非吸煙者的死亡率。此即分層分析(分層因素：性別)年齡可能又是另外一個混雜因素，這就需要對年齡進行分層分析。這就是通常的分層分析思路，但這并不能保證這樣分析的結論一定是正確的。吸煙與肺癌關系的一項橫斷面研究收集資料：每個人年齡、性別、是否吸煙、是否患肺癌。分析1：若僅考察吸煙與不吸煙者肺癌患病率

吸煙者：P1=80/200=40.0%

不吸煙者：P2=100/200=50.0%

P1

小于P2，吸煙者似乎更不易于患肺癌(吸煙是肺癌的保護因素)。

有沒有其它可能影響到肺癌患病率的混雜因素？若有，則兩人群肺癌患病率的差別并不一定是由于吸煙因素引起的。比如性別，男、女的肺癌患病率本就存在差別。若性別在吸煙組和不吸煙組的構成不同，此時吸煙組和不吸煙組受到來自性別的影響相差懸殊，則兩組肺癌的患病率的差別不能單純由吸煙與不吸煙來解釋了。年齡因素亦同。因此，分析1得出的結論是不可信的。分析2(分層分析，分層因素為性別)：

男性：吸煙組：P1=35/50=70%不吸煙組：P2=90/150=60%女性吸煙組：P1=45/150=30%不吸煙組：P2=10/50=20%兩組的P1皆大于P2，吸煙者似乎更易于患肺癌(吸煙是肺癌的危險因素)。分析2同時考察了“吸煙與否”和“性別”兩個影響因素對是否患肺癌的影響。若“年齡構成”在吸煙組和不吸煙組之間是不同的，則得出的結論很可能是不真實的。因此，據(jù)此得出的結論也是不可信的。分析3：若將調查資料按受試者的年齡分為“≤40歲組”和“>40歲組”，再在每個年齡組內，采用前述第(2)種分析的方法進行計算，得到四個2×2列聯(lián)表資料分別為：A類(≤40歲、男性)：P1=50%(=5/10)與P2=52%(=60/115)B類(≤40歲、女性)：P1=44.4%(=40/90)與P2=50.0%(=5/10)C類(>40歲、男性)：P1=75.0%(=30/40)與P2=85.7%(=30/35)D類(>40歲、女性)：P1=8.3%(=5/60)與P2=12.5%(=5/40)

比較各組P1與P2的數(shù)值大小時，不難發(fā)現(xiàn)：P1皆小于P2，結論為吸煙者似乎更不易于患肺癌(吸煙是肺癌的保護因素)。問題所在：

由表1可見，有兩組數(shù)據(jù)是有問題的，即“≤40歲的男性吸煙者僅調查了10人，其中有5人患了肺癌”和“≤40歲的女性不吸煙者僅調查了10人，其中也有5人患了肺癌”。在如此小的樣本中，竟有如此高的肺癌患病率。這說明這份調查研究資料存在嚴重的抽樣設計問題，即樣本的代表性極差，某些層中樣本量過小。若此調查資料是真實調查的結果，則屬于錯誤的調查設計的產(chǎn)物，未能反映被調查總體的真實情況，因而該資料是不值得進行統(tǒng)計分析的。在分析3中，同時考察了“吸煙與否”、“年齡”和“性別”三個影響因素對是否患肺癌的影響，但各層中樣本含量很小(事實上，有些組中樣本量僅為10)，樣本的代表性值得懷疑，則得出的結論很可能是不可靠的。因此，據(jù)此得出的結論也是不可信的。分析1結果發(fā)現(xiàn)，吸煙組肺癌患病率低于不吸煙組，表明吸煙是肺癌的保護因素分析2考慮到肺癌與性別有關，采用性別進行分層，結果在男性和女性中，吸煙組肺癌患病率均高于不吸煙組，表明吸煙是肺癌的危險因素分析3進一步考慮到肺癌與年齡有關，于是在性別分層基礎上，再用年齡進行分層分析，結果在不同年齡層的男性和女性中，吸煙組的肺癌患病率均低于不吸煙組，表明吸煙是肺癌的保護因素

原因：這是由于調查設計存在嚴重問題，樣本對總體代表性很差，未能反映被調查總體的真實情況，基于這樣的數(shù)據(jù)所做的統(tǒng)計分析以及結論是自相矛盾的，有時甚至與醫(yī)學專業(yè)結論相悖。從這個例子可以發(fā)現(xiàn)：除了研究設計的極端重要性外，還提示我們，當一個事件的影響因素較多時，由于不斷分層的結果致使某些層中樣本含量太少；采用這種簡單的分層分析可能割裂多個因素之間的內在聯(lián)系，難以真實揭示多個因素對觀測結果的影響，從而導致錯誤的結論。（2）標準化法

例如：比較兩種療法治療某病的病死率

Table**兩種療法治療某病的病死率病型新療法一般療法治療人數(shù)死亡人數(shù)病死率(%)治療人數(shù)死亡人數(shù)病死率(%)普通型75

1520.025520.0重型合計35

1440.0652640.0110

2926.4903134.4原因在于：兩種療法治療對象的病型構成不同，新療法組普通型病例多而重型病例少，一般療法組卻是普通型病例少而重型病例多。因此要正確比較兩種療法的病死率，可按病情輕重分層分析，或通過計算標準化病死率進行比較。新療法組的標準化病死率：一般療法組的標準化病死率：經(jīng)標準化后，新療法和一般療法兩組的病死率是相同的，與分病型比較的結果一致。標準化法解決了由于患者病型構成不同而導致的合計病死率與分病型比較相矛盾的問題。3.正確理解可比性問題應該怎樣正確理解“可比性”問題？比較A、B兩地區(qū)肺癌死亡率的高低，總的肺癌死亡率A地區(qū)高于B地區(qū)，但B地區(qū)各年齡組肺癌死亡率卻均高于A地區(qū)。Why?原因：由于肺癌死亡率與年齡有關,通常隨年齡增高而增高；A、B兩地區(qū)各年齡組人口構成不同，A地區(qū)高年齡組人口構成大于B地區(qū)，這就造成了A地區(qū)總的肺癌死亡率高于B地區(qū)；上述矛盾是因為兩地人口年齡構成不同造成的。A、B兩地區(qū)肺癌死亡率到底誰高誰低？直接比較肺癌死亡率：A地>B地比較標準化肺癌死亡率：B地>A地消除年齡的影響后Question：無疑，A地區(qū)肺癌死亡率高于B地區(qū)因此，所謂可比性問題其實與研究目的有關。如肺癌一例，假定已知年齡是肺癌死亡率的影響因素，如果想探索除了年齡之外還有沒有其它因素影響肺癌死亡率，那么就應該對年齡進行標準化(如果標化后A、B兩地肺癌死亡率相同，則說明年齡是影響肺癌死亡率的唯一因素)。但如果研究目的并非探討分組因素對研究指標的影響或作用，談論可比性就沒有意義，也沒有必要去調整其它混雜因素的影響。因為A地區(qū)肺癌死亡率高于B地區(qū)是一個不爭的事實。換言之，單純描述誰高誰低無需進行調整，只是在進一步探究導致高低不同的歸因(所謂因素分析)時才對混雜因素進行控制或調整。4.數(shù)據(jù)的分組問題另一個在數(shù)據(jù)分析時特別值得注意的問題就是分組或分類問題它既是數(shù)據(jù)整理的主要內容，也是數(shù)據(jù)分析的基礎。分組：就是將專業(yè)上認為性質相同的個體歸在一起，將性質不同的個體區(qū)別開來，即試圖在專業(yè)上反映出組內的同一性和組間的差異性。在此基礎上進行的數(shù)據(jù)分析才有可能揭示出事物的本質和規(guī)律。美國兒科雜志曾報道了醫(yī)生間關于口服氨芐青霉素副作用研究的一場有趣的爭論。劑量(mg/kg天)無腹瀉例數(shù)有腹瀉例數(shù)合計例數(shù)

507921100100703010015061391002006832100表1口服氨芐青霉素的副作用A醫(yī)生認為：“腹瀉副作用不論劑量大小均常發(fā)生，雖隨劑量增加而增加，但無統(tǒng)計學意義(Pearson檢驗P>0.05)”。見表1。

B醫(yī)生認為，在缺乏未服氨芐青霉素對照組時，只好以50mg組與較大劑量組比較。若腹瀉與劑量無關，則兩組腹瀉發(fā)生率差異應無統(tǒng)計學意義。因此，將較大劑量各組合并(見表2)。表2表1合并后的結果劑量(mg/kg/天)無腹瀉例數(shù)有腹瀉例數(shù)

50

79

21>50199101結果:較大劑量組的腹瀉發(fā)生率(約30%)高于50mg組(21%),檢驗P<0.05。因此，認為腹瀉與藥物劑量有關。

C醫(yī)生認為，假如上述合并后面三組再比較的方法妥當?shù)脑?，則反過來并組也應一樣，即<200mg組的腹瀉發(fā)生率應低于200mg組。結果:

兩組腹瀉發(fā)生率分別為30%和32%，檢驗P>0.5。因此，不能同意腹瀉發(fā)生率與口服氨芐青霉素劑量有關。表3按另一種分組合并的結果劑量(mg/kg/天)無腹瀉例數(shù)有腹瀉例數(shù)

200

6832<20021090啟示：除了定量變量定性化所造成的信息損失外，正確的分組或歸類在數(shù)據(jù)分析中是非常重要的。這在單變量分組比較時是如此，在多變量分析時亦如此。第二節(jié)結果的正確解釋在醫(yī)學科研中，人們作假設檢驗最關心的問題就是“差別有統(tǒng)計學意義”(過去叫“有顯著性差異”)嗎？即P值是否小于或等于0.05。P值的意義到底是什么？

一、假設檢驗結果的正確理解什么是P值？P值是指在H0所規(guī)定的總體中隨機抽樣，獲得等于及大于(或等于及小于)現(xiàn)有樣本統(tǒng)計量的概率。結論若P≤，表示在H0成立的條件下，出現(xiàn)等于及大于(或等于及小于)現(xiàn)有統(tǒng)計量的概率是小概率，按小概率事件原理現(xiàn)有樣本信息不支持H0，因而拒絕H0。因此，當P≤時，按所取檢驗水準，拒絕H0，接受H1。若P>時，表示在H0成立的條件下，出現(xiàn)等于及大于(或等于及小于)現(xiàn)有統(tǒng)計量的概率不是小概率，現(xiàn)有樣本信息還不足以拒絕H0。顯然，差別是否有統(tǒng)計學意義與檢驗水準直接有關。這里大家需注意，0.05這一檢驗水準只是醫(yī)學和其它科研中大家約定俗成的習慣上的水準，其實0.04或0.06亦并非不是小概率事件。此外，無論作出差別是否有統(tǒng)計學意義的結論，我們都面臨著犯錯誤的風險。因為假設檢驗的目的是幫助區(qū)分實際存在的差異與機會造成的差異；但它的結論具有概率性，因此稱一個“有統(tǒng)計學意義的差別”不可能是機會造成的差異，是錯誤的；因為盡管是一個小概率事件，但仍可能發(fā)生。進一步，即使“差別有統(tǒng)計學意義”，但這個有統(tǒng)計學意義的差別并不意味著在醫(yī)學專業(yè)上就是“重要”的。例如兩組療效差別甚小，對于大樣本，小的差別也可能在統(tǒng)計學上是有意義的，因為這很難用機會來解釋，但我們并沒有理由認為它在醫(yī)學專業(yè)上也是重要的。相反，如果樣本太小，一個醫(yī)學專業(yè)上重要的差別如兩組療效相差甚大，可能也是沒有統(tǒng)計學意義的。同理，相關系數(shù)的假設檢驗，也只能說明相關關系是否有統(tǒng)計學意義，它既不說明相關關系是否密切，也不說明相關關系是否具有專業(yè)上的意義。最后值得指出的是:如果研究的是總體，假設檢驗在理論上是不適用的如果研究的是樣本，但它是非概率抽樣獲得的，假設檢驗在理論上同樣是不適用的，因為此時難以理解和解釋“差別歸因于機會”的含義，P值可能沒有任何意義。除了正確理解P值的含義外，結果的解釋還與研究設計類型有關。研究設計不僅是正確運用統(tǒng)計方法的前提，同時也是正確進行結果解釋的前提。不同的研究設計類型要求的統(tǒng)計方法不同，結果解釋也存在一定差異。二、不同研究類型數(shù)據(jù)分析結果的正確解釋

1.觀察性研究共同特點：對處于自然狀態(tài)下的事物或現(xiàn)象進行觀察，研究者不作任何干預不能采用隨機化分配的辦法平衡或控制各種可能的混雜因素對研究結果的影響只能在分析階段采用各種統(tǒng)計方法加以控制或調整其中：橫斷面調查：是了解某一時間斷面上特定人群中疾病或衛(wèi)生事件的現(xiàn)狀及其與之相聯(lián)系的各種因素。特點：是反映某個時間斷面上的情況，通常是在研究的初始階段進行，為進一步研究提供線索，下結論時須十分慎重。觀察性研究通常只建立起某種關聯(lián)性如某一事物或現(xiàn)象與另一事物或現(xiàn)象相關聯(lián)，但這種關聯(lián)性不一定是因果聯(lián)系。在醫(yī)學和公共衛(wèi)生領域，觀察性研究占到了相當大的比例研究者采用越來越復雜的統(tǒng)計方法對數(shù)據(jù)進行分析，但無論采用多么高深和復雜的統(tǒng)計技術或先進的統(tǒng)計軟件，都不能改變的一個基本事實就是，觀察性研究這種研究類型本身已經(jīng)決定了研究結論的局限性。

2.實驗性研究實驗性研究通常是在觀察性研究的基礎上，在人為控制實驗條件下對研究對象施加一定干預措施，從而對觀察性研究所得結論加以驗證的進一步研究。一般而言，實驗性研究能夠較好地控制各種混雜因素對于嚴謹設計的實驗性研究，結論通常較為可靠。但需注意臨床試驗對象是人，存在諸多心理(如霍桑效應和安慰劑效應等)以及倫理問題的局限。因此，下結論也需謹慎。對于社區(qū)干預試驗，通常都不能進行個體隨機化分配，故也稱為準試驗或類試驗(quasi-experiment)常存在諸多混雜因素的干擾，需要在分析階段采用統(tǒng)計方法加以控制或調整，如果在分析階段不能有效消除其混雜效應，結論也有待進一步驗證。在結果解釋時，分析的基本單位也是一個十分重要的問題。對于集合數(shù)據(jù)如基于學校、單位或地區(qū)等水平的匯總數(shù)據(jù)所進行的分析，這時分析的基本單位是學校、單位或地區(qū)等如果在個人水平上下結論，就需特別小心。三、不同分