SPSS数据分析的医学统计方法选择.doc

SPSS数据分析的医学统计方法选择数据分析的统计方法选择小结 错误！未定义书签目录 1•资料1 2完全随机分组设计的资料 2配对设计或随机区组设计 3变量之间的关联性分析 4•资料2 51•连续性资料 51.1两组独立样本比较 51.2两组配对样本的比较 51.3多组完全随机样本比较 61.4多组随机区组样本比较 62 •分类资料 62.1四格表资料 62.2 2 X表或RX2表资料的统计分析 72.3 R X表资料的统计分析 72.4配对分类资料的统计分析 8•资料3 8一、 两个变量之间的关联性分析 8二、 回归分析 9•资料4 10一. 统计方法抉择的条件 101 .分析目的 102 .资料类型 103. 设计方法 114. 分布特征及数理统计条件 12二. 数据资料的描述 131. 数值变量资料的描述 132. 分类变量资料的描述 13三. 数据资料的比较 141. 假设检验的基本步骤 142. 假设检验结论的两类错误 153. 假设检验的注意事项 154. 常用假设检验方法 16四. 变量间的相关分析 171 .数值变量（计量资料）的关系分析 182 .无序分类变量（计数资料）的相关分析 183 •有序分类变量（等级资料） 等级相关 18•资料1完全随机分组设计的资料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 Wilcox on秩和检验2） 小样本偏态分布资料，则用成组的 Wilcox on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 Kruskal Wallis 的统计检验如果Kruskal Wallis 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 Pearson2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 Pearson2）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 2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 X 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2CMH 或成组的 Wilcoxon秩和检验22） 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 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Pearson（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 X C表资料的统计分析CMH1）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 或Kruskal Wallis 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2none zero correlation analysis 的 CMH3） 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Pearson 2 ⑵n 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Wilcox on的符号配对秩检验， 但用Bon ferro ni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 2检验或配对边际 2检验2）b+c 40,则用二项分布确切概率法检验2. C X C表资料：1） 配对比较：用 McNemar配对 2检验或配对边际 2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 Pears on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,…, X0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（Xi ,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、生存分析资料：（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•资料21•连续性资料1.1两组独立样本比较资料符合正态分布，且两组方差齐性，直接采用 t检验。

资料不符合正态分布（1） 可进行数据转换，如对数转换等，使之服从正态分布，然后对转换后的数据采用 t检验；（2） 采用非参数检验，如Wilcox on检验资料方差不齐（1） 采用 Satterthwate 的 t'检验；（2） 采用非参数检验，如Wilcox on检验1.2两组配对样本的比较两组差值服从正态分布，采用配对 t检验两组差值不服从正态分布，采用 wilcoxon的符号配对秩和检验1.3多组完全随机样本比较资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析如果检验 结果为有统计学意义，则进一步作两两比较，两两比较的方法有 LSD检验，Bon ferro ni法，tukey 法，Scheffe 法，SNK法等资料不符合正态分布，或各组方差不齐，则采用非参数检验的 Kruscal — Wallis法如果检验结果为有统计学意义，则进一步作两两比较，一般采用 Bonferroni法校正P值，然后用成组的 Wilcox on检验1.4多组随机区组样本比较资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析如果检验 结果为有统计学意义，则进一步作两两比较，两两比较的方法有 LSD检验，Bon ferro ni法，tukey 法，Scheffe 法，SNK法等。

资料不符合正态分布，或各组方差不齐，则采用非参数检验的 Fridman检验法如果检验结果为有统计学意义，则进一步作两两比较，一般采用 Bonferroni法校正P值，然后用符号配对的 Wilcox on检验需要注意的问题：(1) 一般来说，如果是大样本，比如各组例数大于 50,可以不作正态性检验，直接采 用t检验或方差分析因为统计学上有中心极限定理，假定大样本是服从正态分布的2) 当进行多组比较时，最容易犯的错误是仅比较其中的两组， 而不顾其他组，这样 作容易增大犯假阳性错误的概率 正确的做法应该是， 先作总的各组间的比较， 如果总的来 说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，。