衛(wèi)生統(tǒng)計(jì)學(xué)各種資料統(tǒng)計(jì)方法大匯總

一、兩組或多組計(jì)量資料的比較

1.兩組資料：'P*Y![*t8i!\#R/?!V

1)大樣本資料或服從正態(tài)分布的小樣本資料&G4N2W0}-k5C;d$^)\.r

(1)若方差齊性，則作成組t檢驗(yàn))~0]8A#W"_.X0U;O

(2)若方差不齊，則作t’檢驗(yàn)或用成組的Wilcoxon秩和檢驗(yàn)

2)小樣本偏態(tài)分布資料，則用成組的Wilcoxon秩和檢驗(yàn)2F)p*d/Ub5|7H$y!T

2.多組資料：)|$m)G1a;C3a;U/T4v0R

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(jī)的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。9h7y5v%m`9g&z

2)如果小樣本的偏態(tài)分布資料或方差不齊，則作KruskalWallis的統(tǒng)計(jì)檢驗(yàn)。如果KruskalWallis的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用成組的Wilcoxon秩和檢驗(yàn)，但用Bonferroni方法校正P值等）進(jìn)行兩兩比較。8j3O+S+g%s$b2L0y#J8\/t#g

二、分類資料的統(tǒng)計(jì)分析8E!N!n7m,Q'U+~3u7l

1.單樣本資料與總體比較R5L;y$Z/r(G5ok7q0f0z

1)二分類資料：*D.T:C:l%t

(1)小樣本時(shí)：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn)；

(2)大樣本時(shí)：用U檢驗(yàn)。

2)多分類資料：用Pearsonc2檢驗(yàn)（又稱擬合優(yōu)度檢驗(yàn)）。0J.q4]&Q.X

2.四格表資料o7l#`0G2w*^/L,M'Wo/a

1)n>40并且所以理論數(shù)大于5，則用Pearsonc2

2)n>40并且所以理論數(shù)大于1并且至少存在一個(gè)理論數(shù)<5，則用校正c2或用Fisher’s確切概率法檢驗(yàn)

3)n￡40或存在理論數(shù)<1，則用Fisher’s檢驗(yàn)

3.2×C表資料的統(tǒng)計(jì)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(píng)分的CMHc2或成組的Wilcoxon秩和檢驗(yàn)

2)列變量為效應(yīng)指標(biāo)并且為二分類，列變量為有序多分類變量，則用趨勢(shì)c2檢驗(yàn)'V4V4e0M!J"T(u5T;M:[

3)行變量和列變量均為無(wú)序分類變量/B,B+Y7[(?6H

(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Pearsonc2

(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Fisher’s確切概率法檢驗(yàn)

4.R×C表資料的統(tǒng)計(jì)分析1c0~6J5X+L!~

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CMHc2或KruskalWallis的秩和檢驗(yàn)/W5A&@1t)V

2)列變量為效應(yīng)指標(biāo)，并且為無(wú)序多分類變量，行變量為有序多分類變量，作nonezerocorrelationanalysis的CMHc26Q$W6H/z9s-s#E&o2`

3)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0F9q:h0Q,x0h;|.q'f&k(?

4)列變量和行變量均為無(wú)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Pearsonc2

(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Fisher’s確切概率法檢驗(yàn)

三、Poisson分布資料3B,a*j2m%D&G*Z&_/m

1.單樣本資料與總體比較：

1)觀察值較小時(shí)：用確切概率法進(jìn)行檢驗(yàn)。7_9C0Y(Q1E%L

2)觀察值較大時(shí)：用正態(tài)近似的U檢驗(yàn)。

2.兩個(gè)樣本比較：用正態(tài)近似的U檢驗(yàn)。

配對(duì)設(shè)計(jì)或隨機(jī)區(qū)組設(shè)計(jì)四、兩組或多組計(jì)量資料的比較0n;a;j7h2m&K/o

1.兩組資料：:O/T2d%_#K#S.U,n#d

1)大樣本資料或配對(duì)差值服從正態(tài)分布的小樣本資料，作配對(duì)t檢驗(yàn)

2)小樣本并且差值呈偏態(tài)分布資料，則用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)-X6R'R2^,s0y,J3@4r4~

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(jī)區(qū)組的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。

2)如果小樣本時(shí)，差值呈偏態(tài)分布資料或方差不齊，則作Fredman的統(tǒng)計(jì)檢驗(yàn)。如果Fredman的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)，但用Bonferroni方法校正P值等）進(jìn)行兩兩比較。5Kh0t0d$Z*X:l%U

五、分類資料的統(tǒng)計(jì)分析!_8T2n8n1o'f;G

1.四格表資料/^0u5C/B!z.d8e.z#m;]

1)b+c>40，則用McNemar配對(duì)c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn)1A,kB&?8|

2)b+c￡40，則用二項(xiàng)分布確切概率法檢驗(yàn)

2.C×C表資料：%];O1R%x$N/x

1)配對(duì)比較：用McNemar配對(duì)c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn)0c6f;o0|!J#u!y&x'?&u9v

2)一致性問(wèn)題（Agreement）：用Kap檢驗(yàn)

變量之間的關(guān)聯(lián)性分析六、兩個(gè)變量之間的關(guān)聯(lián)性分析

1.兩個(gè)變量均為連續(xù)型變量

1)小樣本并且兩個(gè)變量服從雙正態(tài)分布，則用Pearson相關(guān)系數(shù)做統(tǒng)計(jì)分析

2)大樣本或兩個(gè)變量不服從雙正態(tài)分布，則用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析9_!`1t*{7r$o3n'^"n

2.兩個(gè)變量均為有序分類變量，可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析

3.一個(gè)變量為有序分類變量，另一個(gè)變量為連續(xù)型變量，可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析%Z;D!f!E&P:A9p$D+c

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(shí)無(wú)需正態(tài)性），殘差與自變量無(wú)趨勢(shì)變化，則直線回歸（單個(gè)自變量的線性回歸，稱為簡(jiǎn)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(jì)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(shí)無(wú)需正態(tài)性），殘差與自變量無(wú)趨勢(shì)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#D5H'e+C7]0C)K:L*N.o

2)實(shí)驗(yàn)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(duì)結(jié)果的混雜作用.L)H;J,_$N8_8x#t*J1l

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。!W)h'['E-U0a&R:l'a/A9r

1)非配對(duì)的情況：用非條件Logistic回歸+X-x#x;u5I2n"S

(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(shí)驗(yàn)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(duì)結(jié)果的混雜作用

2)配對(duì)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(shí)驗(yàn)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(duì)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(shí)驗(yàn)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(duì)結(jié)果的混雜作用+r.L*a$d5G-G:t#G

5.無(wú)序