醫(yī)學統(tǒng)計學復習總結提綱-2023修改整理

千里之行，始于足下讓知識帶有溫度。第第2頁/共2頁精品文檔推薦醫(yī)學統(tǒng)計學復習總結提綱一、兩組或多組計量資料的比較

1.兩組資料：

1)大樣本資料或聽從正態(tài)分布的小樣本資料

(1)若方差齊性，則作成組t檢驗

(2)若方差不齊，則作t’檢驗或用成組的Wilcoxon秩和檢驗

2)小樣本偏態(tài)分布資料，則用成組的Wilcoxon秩和檢驗

2.多組資料：

1)若大樣本資料或聽從正態(tài)分布，并且方差齊性，則作徹低隨機的方差分析。假如方差分析的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：挑選合適的辦法（如：LSD檢驗，Bonferroni檢驗等）舉行兩兩比較。

2)假如小樣本的偏態(tài)分布資料或方差不齊，則作KruskalWallis的統(tǒng)計檢驗。假如KruskalWallis的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：挑選合適的辦法（如：用成組的Wilcoxon秩和檢驗，但用Bonferroni辦法校正P值等）舉行兩兩比較。

二、分類資料的統(tǒng)計分析

1.單樣本資料與總體比較

1)二分類資料：

(1)小樣本時：用二項分布舉行確切概率法檢驗；

(2)大樣本時：用U檢驗。

2)多分類資料：用Pearsonc2檢驗（又稱擬合優(yōu)度檢驗）。

2.四格表資料

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并且至少存在一個理論數(shù)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Fisher’s確切概率法檢驗

4.R×C表資料的統(tǒng)計分析

1)列變量為效應指標，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

2)列變量為效應指標，并且為無序多分類變量，行變量為有序多分類變量，作nonezerocorrelationanalysis的CMHc2

3)列變量和行變量均為有序多分類變量，可以作Spearman相關分析

4)列變量和行變量均為無序多分類變量，

(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Fisher’s確切概率法檢驗

三、Poisson分布資料

1.單樣本資料與總體比較：

1)觀看值較小時：用確切概率法舉行檢驗。

2)觀看值較大時：用正態(tài)近似的U檢驗。

2.兩個樣本比較：用正態(tài)近似的U檢驗。

配對設計或隨機區(qū)組設計四、兩組或多組計量資料的比較

1.兩組資料：

1)大樣本資料或配對差值聽從正態(tài)分布的小樣本資料，作配對t檢驗

2)小樣本并且差值呈偏態(tài)分布資料，則用Wilcoxon的符號配對秩檢驗

2.多組資料：

1)若大樣本資料或殘差聽從正態(tài)分布，并且方差齊性，則作隨機區(qū)組的方差分析。假如方差分析的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：挑選合適的辦法（如：LSD檢驗，Bonferroni檢驗等）舉行兩兩比較。

2)假如小樣本時，差值呈偏態(tài)分布資料或方差不齊，則作Fredman的統(tǒng)計檢驗。假如Fredman的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：挑選合適的辦法（如：用Wilcoxon的符號配對秩檢驗，但用Bonferroni辦法校正P值等）舉行兩兩比較。

五、分類資料的統(tǒng)計分析

1.四格表資料

1)b+c>40，則用McNemar配對c2檢驗或配對邊際c2檢驗

2)b+c￡40，則用二項分布確切概率法檢驗

2.C×C表資料：

1)配對照較：用McNemar配對c2檢驗或配對邊際c2檢驗

2)全都性問題（Agreement）：用Kap檢驗

變量之間的關聯(lián)性分析六、兩個變量之間的關聯(lián)性分析

1.兩個變量均為延續(xù)型變量

1)小樣本并且兩個變量聽從雙正態(tài)分布，則用Pearson相關系數(shù)做統(tǒng)計分析

2)大樣本或兩個變量不聽從雙正態(tài)分布，則用Spearman相關系數(shù)舉行統(tǒng)計分析

2.兩個變量均為有序分類變量，可以用Spearman相關系數(shù)舉行統(tǒng)計分析

3.一個變量為有序分類變量，另一個變量為延續(xù)型變量，可以用Spearman相關系數(shù)舉行統(tǒng)計分析

七、回歸分析

1.直線回歸：假如回歸分析中的殘差聽從正態(tài)分布（大樣本時無需正態(tài)性），殘差與自變量無趨勢變化，則直線回歸（單個自變量的線性回歸，稱為容易回歸），否則應作適當?shù)淖儞Q，使其滿足上述條件。

2.多重線性回歸：應變量（Y）為延續(xù)型變量（即計量資料），自變量（X1，X2，…，Xp）可以為延續(xù)型變量、有序分類變量或二分類變量。假如回歸分析中的殘差聽從正態(tài)分布（大樣本時無需正態(tài)性），殘差與自變量無趨勢變化，可以作多重線性回歸。

1)觀看性討論：可以用逐步線性回歸尋覓（擬）主要的影響因素

2)試驗性討論：在保持主要討論因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

3.二分類的Logistic回歸：應變量為二分類變量，自變量（X1，X2，…，Xp）可以為延續(xù)型變量、有序分類變量或二分類變量。

1)非配對的狀況：用非條件Logistic回歸

(1)觀看性討論：可以用逐步線性回歸尋覓（擬）主要的影響因素

(2)試驗性討論：在保持主要討論因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

2)配對的狀況：用條件Logistic回歸

(1)觀看性討論：可以用逐步線性回歸尋覓（擬）主要的影響因素

(2)試驗性討論：在保持主要討論因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

4.有序多分類有序的Logistic回歸：應變量為有序多分類變量，自變量（X1，X2，…，Xp）可以為延續(xù)型變量、有序分類變量或二分類變量。

1)觀看性討論：可以用逐步線性回歸尋覓（擬）主要的影響因素

2)試驗性討論：在保持主要討論因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

5.無序多分類有序的Logistic回歸：應變量為無序多分類變量，自變量（X1，X2，…，Xp）可以為延續(xù)型變量、有序分類變量或二分