衛(wèi)生統(tǒng)計學(xué)7假設(shè)檢驗(yàn)

衛(wèi)生統(tǒng)計學(xué)7假設(shè)檢驗(yàn)匯報人：AA2024-01-26目錄contents假設(shè)檢驗(yàn)基本概念參數(shù)假設(shè)檢驗(yàn)方法非參數(shù)假設(shè)檢驗(yàn)方法假設(shè)檢驗(yàn)在醫(yī)學(xué)研究中應(yīng)用假設(shè)檢驗(yàn)中常見問題及解決方法實(shí)例分析與操作演示假設(shè)檢驗(yàn)基本概念01假設(shè)檢驗(yàn)定義與原理假設(shè)檢驗(yàn)是一種統(tǒng)計推斷方法，用于判斷總體參數(shù)或總體分布是否與某個特定值或某種特定分布有顯著差異。假設(shè)檢驗(yàn)的原理是基于小概率事件原理，即在一次試驗(yàn)中，小概率事件幾乎不可能發(fā)生。如果小概率事件發(fā)生了，則有理由拒絕原假設(shè)。假設(shè)檢驗(yàn)步驟及流程確定顯著性水平通常選擇0.05或0.01作為顯著性水平，表示當(dāng)P值小于該水平時，拒絕原假設(shè)。選擇檢驗(yàn)統(tǒng)計量根據(jù)研究設(shè)計和數(shù)據(jù)類型選擇合適的檢驗(yàn)統(tǒng)計量，如t檢驗(yàn)、F檢驗(yàn)、卡方檢驗(yàn)等。建立假設(shè)包括原假設(shè)（H0）和備擇假設(shè)（H1），原假設(shè)通常是研究者想要推翻的假設(shè)，備擇假設(shè)則是研究者希望證實(shí)的假設(shè)。計算檢驗(yàn)統(tǒng)計量和P值根據(jù)樣本數(shù)據(jù)計算檢驗(yàn)統(tǒng)計量的值和對應(yīng)的P值。作出推斷結(jié)論根據(jù)P值與顯著性水平的比較，作出接受或拒絕原假設(shè)的推斷結(jié)論。第四類錯誤多重比較謬誤，即在進(jìn)行多次假設(shè)檢驗(yàn)時，由于每次檢驗(yàn)都存在犯第一類錯誤的可能性，因此總體犯錯誤的概率會隨著檢驗(yàn)次數(shù)的增加而增加。第一類錯誤拒真錯誤，即原假設(shè)為真時錯誤地拒絕了原假設(shè)，也稱為α錯誤或顯著性錯誤。第二類錯誤納偽錯誤，即原假設(shè)為假時未能拒絕原假設(shè)，也稱為β錯誤或漏報錯誤。第三類錯誤檢驗(yàn)效能不足，即當(dāng)備擇假設(shè)為真時，未能以足夠的把握拒絕原假設(shè)。這通常是由于樣本量不足或效應(yīng)量過小導(dǎo)致的。假設(shè)檢驗(yàn)中常見錯誤類型參數(shù)假設(shè)檢驗(yàn)方法02確定研究總體均數(shù)μ0，建立假設(shè)H0:μ=μ0，即樣本均數(shù)與假設(shè)總體均數(shù)相等。假設(shè)建立選用t統(tǒng)計量，計算公式為t=(x?-μ0)/(s/√n)，其中x?為樣本均數(shù)，s為樣本標(biāo)準(zhǔn)差，n為樣本含量。檢驗(yàn)統(tǒng)計量根據(jù)自由度df=n-1及顯著性水平α，查t分布表得臨界值tα/2,df，確定拒絕域并計算P值。若P≤α，則拒絕H0，認(rèn)為樣本均數(shù)與假設(shè)總體均數(shù)有統(tǒng)計學(xué)差異。拒絕域與P值單樣本t檢驗(yàn)假設(shè)建立設(shè)兩總體均數(shù)分別為μ1和μ2，建立假設(shè)H0:μ1=μ2，即兩總體均數(shù)相等。選用t統(tǒng)計量，計算公式為t=(x?1-x?2)/(sp√(1/n1+1/n2))，其中x?1和x?2分別為兩樣本均數(shù)，sp為合并標(biāo)準(zhǔn)差，n1和n2分別為兩樣本含量。根據(jù)自由度df=(s1^2/n1+s2^2/n2)^2/(s1^4/(n1^2(n1-1))+s2^4/(n2^2(n2-1)))及顯著性水平α，查t分布表得臨界值tα/2,df，確定拒絕域并計算P值。若P≤α，則拒絕H0，認(rèn)為兩總體均數(shù)有統(tǒng)計學(xué)差異。檢驗(yàn)統(tǒng)計量拒絕域與P值兩獨(dú)立樣本t檢驗(yàn)假設(shè)建立選用t統(tǒng)計量，計算公式為t=d?/(sd/√n)，其中d?為差值樣本均數(shù)，sd為差值樣本標(biāo)準(zhǔn)差，n為配對樣本數(shù)。檢驗(yàn)統(tǒng)計量拒絕域與P值根據(jù)自由度df=n-1及顯著性水平α，查t分布表得臨界值tα/2,df，確定拒絕域并計算P值。若P≤α，則拒絕H0，認(rèn)為差值總體均數(shù)與0有統(tǒng)計學(xué)差異。設(shè)差值總體均數(shù)為μd，建立假設(shè)H0:μd=0，即差值總體均數(shù)為0。配對樣本t檢驗(yàn)非參數(shù)假設(shè)檢驗(yàn)方法03應(yīng)用場景適用于分類數(shù)據(jù)的獨(dú)立性檢驗(yàn)和擬合優(yōu)度檢驗(yàn)，如醫(yī)學(xué)研究中不同治療方法的有效率比較、疾病的季節(jié)性分析等。原理通過比較實(shí)際觀測頻數(shù)與理論期望頻數(shù)之間的差異，推斷兩個或多個總體分布是否存在顯著差異。優(yōu)缺點(diǎn)優(yōu)點(diǎn)在于簡單易行，對數(shù)據(jù)分布無嚴(yán)格要求；缺點(diǎn)在于對樣本量要求較高，且只能判斷總體分布是否存在差異，無法確定差異的具體形式?？ǚ綑z驗(yàn)原理將原始數(shù)據(jù)轉(zhuǎn)化為秩次后進(jìn)行統(tǒng)計分析，通過比較兩組或多組數(shù)據(jù)的秩和差異來推斷總體分布是否存在顯著差異。應(yīng)用場景適用于兩獨(dú)立樣本或配對樣本的比較，尤其適用于等級資料或不滿足參數(shù)檢驗(yàn)條件的數(shù)據(jù)。優(yōu)缺點(diǎn)優(yōu)點(diǎn)在于對數(shù)據(jù)分布無嚴(yán)格要求，適用范圍廣；缺點(diǎn)在于對異常值敏感，且檢驗(yàn)效率相對較低。秩和檢驗(yàn)通過比較樣本數(shù)據(jù)正負(fù)符號的個數(shù)來判斷總體分布是否存在顯著差異。符號檢驗(yàn)原理在符號檢驗(yàn)的基礎(chǔ)上，進(jìn)一步考慮數(shù)據(jù)的秩次信息，以提高檢驗(yàn)效率。符號秩和檢驗(yàn)原理適用于配對樣本的比較，尤其適用于等級資料或不滿足參數(shù)檢驗(yàn)條件的數(shù)據(jù)。應(yīng)用場景優(yōu)點(diǎn)在于對數(shù)據(jù)分布無嚴(yán)格要求，且對異常值不敏感；缺點(diǎn)在于檢驗(yàn)效率相對較低，且對樣本量要求較高。優(yōu)缺點(diǎn)符號檢驗(yàn)與符號秩和檢驗(yàn)假設(shè)檢驗(yàn)在醫(yī)學(xué)研究中應(yīng)用04比較不同治療方法的療效差異分析治療方法的安全性和有效性評估新藥物或新療法的臨床效果臨床試驗(yàn)效果評價診斷試驗(yàn)評價010203比較不同診斷試驗(yàn)的準(zhǔn)確性分析診斷試驗(yàn)的可靠性和穩(wěn)定性確定診斷試驗(yàn)的敏感性和特異性分析影響疾病預(yù)后的危險因素預(yù)測患者疾病的發(fā)展趨勢和預(yù)后情況評估不同因素對疾病預(yù)后的影響程度疾病預(yù)后因素分析等假設(shè)檢驗(yàn)中常見問題及解決方法05要點(diǎn)三第一類錯誤拒絕實(shí)際上成立的原假設(shè)，即“棄真”錯誤。其概率通常用α表示，也稱為顯著性水平。要點(diǎn)一要點(diǎn)二第二類錯誤接受實(shí)際上不成立的原假設(shè)，即“取偽”錯誤。其概率通常用β表示。權(quán)衡方法通過調(diào)整顯著性水平α的大小來權(quán)衡第一類錯誤和第二類錯誤。α越小，犯第一類錯誤的概率越小，但同時犯第二類錯誤的概率可能會增加。因此，在實(shí)際應(yīng)用中需要根據(jù)具體情況選擇合適的α值。要點(diǎn)三第一類錯誤與第二類錯誤權(quán)衡問題多重比較問題在同一數(shù)據(jù)集上進(jìn)行多次假設(shè)檢驗(yàn)時，每次檢驗(yàn)都有犯第一類錯誤的風(fēng)險。隨著檢驗(yàn)次數(shù)的增加，犯第一類錯誤的總概率也會增加。將原始的顯著性水平α除以檢驗(yàn)次數(shù)n，得到新的顯著性水平α'，以確?？傮w犯第一類錯誤的概率不超過原始的α。對原始顯著性水平α進(jìn)行更為精細(xì)的調(diào)整，考慮了檢驗(yàn)之間的相關(guān)性。類似于Bonferroni校正，但考慮了檢驗(yàn)之間的獨(dú)立性。Bonferroni校正Holm校正Sidak校正多重比較問題及其控制方法010203刪除缺失數(shù)據(jù)簡單地將含有缺失數(shù)據(jù)的觀測值從分析中刪除。這種方法可能導(dǎo)致樣本量減少，從而影響結(jié)果的穩(wěn)定性。插補(bǔ)缺失數(shù)據(jù)使用某種方法估計缺失值，并將其填充到數(shù)據(jù)集中。常見的方法包括均值插補(bǔ)、中位數(shù)插補(bǔ)、回歸插補(bǔ)等。插補(bǔ)后的數(shù)據(jù)集可以保持原有的樣本量，但需要注意插補(bǔ)方法可能引入的偏誤。使用缺失數(shù)據(jù)模型針對缺失數(shù)據(jù)的特點(diǎn)建立專門的模型進(jìn)行分析。例如，使用多重插補(bǔ)方法生成多個完整的數(shù)據(jù)集，并對每個數(shù)據(jù)集進(jìn)行分析，最后綜合各個結(jié)果得出結(jié)論。這種方法可以充分利用現(xiàn)有信息，但需要更多的計算資源和專業(yè)知識。缺失數(shù)據(jù)處理策略實(shí)例分析與操作演示06某醫(yī)院想要比較兩種不同治療方法（方法A和方法B）對患者康復(fù)效果的影響。實(shí)例背景收集兩種方法治療的患者康復(fù)效果數(shù)據(jù)，包括康復(fù)時間、康復(fù)率等指標(biāo)。數(shù)據(jù)準(zhǔn)備實(shí)例背景介紹及數(shù)據(jù)準(zhǔn)備選擇合適假設(shè)檢驗(yàn)方法進(jìn)行實(shí)例分析假設(shè)檢驗(yàn)方法選擇根據(jù)數(shù)據(jù)類型和研究目的，選擇合適的假設(shè)檢驗(yàn)方法，如t檢驗(yàn)、卡方檢驗(yàn)等。實(shí)例分析對收集的數(shù)據(jù)進(jìn)行整理和分析，比較兩種方法治療的患者康復(fù)效果的差異，并給出統(tǒng)計學(xué)結(jié)論。將收集的數(shù)據(jù)導(dǎo)入SPSS軟件。