完整版统计方法的选择汇总.docx
- 文档编号:8092496
- 上传时间:2023-01-28
- 格式:DOCX
- 页数:7
- 大小:16.03KB
完整版统计方法的选择汇总.docx
《完整版统计方法的选择汇总.docx》由会员分享,可在线阅读,更多相关《完整版统计方法的选择汇总.docx(7页珍藏版)》请在冰豆网上搜索。
完整版统计方法的选择汇总
统计方法的选择
一、两组或多组计量资料的比较
1。
两组资料:
1)大样本资料或服从正态分布的小样本资料
(1)若方差齐性,则作成组t检验
(2)若方差不齐,则作t’检验或用成组的Wilcoxon秩和检
验
2)小样本偏态分布资料,则用成组的Wilcoxon秩和检验
2。
多组资料:
1)若大样本资料或服从正态分布,并且方差齐性,则作
完全随机的方差分析。
如果方差分析的统计检验为有统
计学意义,则进一步作统计分析:
选择合适的方法
(如:
LSD检验,Bonferroni检验等)进行两两比较。
2)如果小样本的偏态分布资料或方差不齐,则作
KruskalWallis的统计检验.如果KruskalWallis的统计
检验为有统计学意义,则进一步作统计分析:
选择合适
的方法(如:
用成组的Wilcoxon秩和检验,但用
Bonferroni方法校正P值等)进行两两比较。
二、分类资料的统计分析
1.单样本资料与总体比较
1)二分类资料:
(1)小样本时:
用二项分布进行确切概率法检验;
(2)大样本时:
用U检验。
2)多分类资料:
用Pearsonc2检验(又称拟合优度检
验).
2.四格表资料
1)n〉40并且所以理论数大于5,则用Pearsonc2
2)n>40并且所以理论数大于1并且至少存在一个理论数
〈5,则用校正c2或用Fisher's确切概率法检验
3)n£40或存在理论数<1,则用Fisher’s检验
3。
2×C表资料的统计分析
1)列变量为效应指标,并且为有序多分类变量,行变量
为分组变量,则行评分的CMHc2或成组的Wilcoxon秩
和检验
2)列变量为效应指标并且为二分类,列变量为有序多分
类变量,则用趋势c2检验
3)行变量和列变量均为无序分类变量
(1)n〉40并且理论数小于5的格子数〈行列表中格子总数
的25%,则用Pearsonc2
(2)n£40或理论数小于5的格子数〉行列表中格子总数的
25%,则用Fisher’s确切概率法检验
4。
R×C表资料的统计分析
1)列变量为效应指标,并且为有序多分类变量,行变量
为分组变量,则CMHc2或KruskalWallis的秩和检验
2)列变量为效应指标,并且为无序多分类变量,行变量
为有序多分类变量,作nonezerocorrelationanalysis
的CMHc2
3)列变量和行变量均为有序多分类变量,可以作
Spearman相关分析
4)列变量和行变量均为无序多分类变量,
(1)n>40并且理论数小于5的格子数〈行列表中格子总数
的25%,则用Pearsonc2
(2)n£40或理论数小于5的格子数>行列表中格子总数的
25%,则用Fisher’s确切概率法检验
三、Poisson分布资料
1.单样本资料与总体比较:
1)观察值较小时:
用确切概率法进行检验。
2)观察值较大时:
用正态近似的U检验。
2。
两个样本比较:
用正态近似的U检验。
配对设计或随机区组设计
四、两组或多组计量资料的比较
1.两组资料:
1)大样本资料或配对差值服从正态分布的小样本资料,
作配对t检验
2)小样本并且差值呈偏态分布资料,则用Wilcoxon的符
号配对秩检验
2。
多组资料:
1)若大样本资料或残差服从正态分布,并且方差齐性,
则作随机区组的方差分析。
如果方差分析的统计检验为
有统计学意义,则进一步作统计分析:
选择合适的方法
(如:
LSD检验,Bonferroni检验等)进行两两比较。
2)如果小样本时,差值呈偏态分布资料或方差不齐,则
作Fredman的统计检验。
如果Fredman的统计检验为有
统计学意义,则进一步作统计分析:
选择合适的方法
(如:
用Wilcoxon的符号配对秩检验,但用Bonferroni
方法校正P值等)进行两两比较。
五、分类资料的统计分析
1.四格表资料
1)b+c〉40,则用McNemar配对c2检验或配对边际c2检
验
2)b+c£40,则用二项分布确切概率法检验
2.C×C表资料:
1)配对比较:
用McNemar配对c2检验或配对边际c2检
验
2)一致性问题(Agreement):
用Kap检验
变量之间的关联性分析
六、两个变量之间的关联性分析
1。
两个变量均为连续型变量
1)小样本并且两个变量服从双正态分布,则用Pearson
相关系数做统计分析
2)大样本或两个变量不服从双正态分布,则用
Spearman相关系数进行统计分析
2.两个变量均为有序分类变量,可以用Spearman相关
系数进行统计分析
3.一个变量为有序分类变量,另一个变量为连续型变
量,可以用Spearman相关系数进行统计分析
七、回归分析
1.直线回归:
如果回归分析中的残差服从正态分布(大
样本时无需正态性),残差与自变量无趋势变化,则直
线回归(单个自变量的线性回归,称为简单回归),否
则应作适当的变换,使其满足上述条件。
2.多重线性回归:
应变量(Y)为连续型变量(即计量
资料),自变量(X1,X2,…,Xp)可以为连续型变
量、有序分类变量或二分类变量。
如果回归分析中的残
差服从正态分布(大样本时无需正态性),残差与自变
量无趋势变化,可以作多重线性回归。
1)观察性研究:
可以用逐步线性回归寻找(拟)主要的
影响因素
2)实验性研究:
在保持主要研究因素变量(干预变量)
外,可以适当地引入一些其它可能的混杂因素变量,以
校正这些混杂因素对结果的混杂作用
3。
二分类的Logistic回归:
应变量为二分类变量,自变
量(X1,X2,…,Xp)可以为连续型变量、有序分类
变量或二分类变量。
1)非配对的情况:
用非条件Logistic回归
(1)观察性研究:
可以用逐步线性回归寻找(拟)主要
的影响因素
(2)实验性研究:
在保持主要研究因素变量(干预变
量)外,可以适当地引入一些其它可能的混杂因素变
量,以校正这些混杂因素对结果的混杂作用
2)配对的情况:
用条件Logistic回归
(1)观察性研究:
可以用逐步线性回归寻找(拟)主要
的影响因素
(2)实验性研究:
在保持主要研究因素变量(干预变
量)外,可以适当地引入一些其它可能的混杂因素变
量,以校正这些混杂因素对结果的混杂作用
4。
有序多分类有序的Logistic回归:
应变量为有序多分
类变量,自变量(X1,X2,…,Xp)可以为连续型变
量、有序分类变量或二分类变量。
1)观察性研究:
可以用逐步线性回归寻找(拟)主要的
影响因素
2)实验性研究:
在保持主要研究因素变量(干预变量)
外,可以适当地引入一些其它可能的混杂因素变量,以
校正这些混杂因素对结果的混杂作用
5.无序多分类有序的Logistic回归:
应变量为无序多分
类变量,自变量(X1,X2,…,Xp)可以为连续型变
量、有序分类变量或二分类变量.
1)观察性研究:
可以用逐步线性回归寻找(拟)主要的
影响因素
2)实验性研究:
在保持主要研究因素变量(干预变量)
外,可以适当地引入一些其它可能的混杂因素变量,以
校正这些混杂因素对结果的混杂作用
八、生存分析资:
要求资料记录结局和结局发生的时
间(如;死亡和死亡发生的时间)
1。
用Kaplan—Meier方法估计生存曲线
2。
大样本时,可以寿命表方法估计
3.单因素可以用Log-rank比较两条或多条生存曲线
4。
多个因素时,可以作多重的Cox回归
1)观察性研究:
可以用逐步线性回归寻找(拟)主要的
影响因素
2)实验性研究:
在保持主要研究因素变量(干预变量)
外,可以适当地引入一些其它可能的混杂因素变量,以
校正这些混杂因素对结果的混杂作用
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 完整版 统计 方法 选择 汇总
![提示](https://static.bdocx.com/images/bang_tan.gif)