第一篇：醫學統計學統計方法總結

計量資料：

一、描述性分析

集中趨勢：對稱——算術均數偏態——中位數等比——幾何均數 離散趨勢：對稱——方差、標準差偏態——四分位數間距

均數懸殊或單位不同的資料比較——變異系數

二、統計推斷（根據樣本推斷總體）1.參數（均數）估計總體方差未知——總體方差已知——

參考值范圍：單雙側正態分布——

X?u?S

(x?t?/2v

snsn,x?t?/2v

s

sn))

(x?u?/2,x?u?/2

n

X?u?SX?u?S

偏態分布——百分位數法

二者的含義、用途 2.假設檢驗

（1）均數的比較（正態）

單個樣本、配對（與兩獨立樣本的區別）兩樣本（方差齊——t檢驗

方差不齊——校正t檢驗或秩和檢驗或變量轉換）多樣本：方差齊完全隨機設計方差分析隨機區組設計方差分析

方差不齊——秩和檢驗或變量轉換

非正態：秩和檢驗或變量轉換

F—+—>t

兩兩比較：SNK任兩個對比

LSD一對或幾對比較

Dunnet 實驗與對照組比較

t——>FF=t

2(2)方差比較

兩個方差：F檢驗（正態）

多個方差：Bartlett（正態）

Levene檢驗

假設檢驗注意事項

計數資料

一、描述性分析

頻率或嚴重程度——率

比重或構成——構成比

一指標為另一指標的若干倍或百分比——相對比

應用注意：不能以比代率、可比性、樣本率不能直接對比

率或構成比比較：

1.若某因素內部構成不同并且影響比較，進行標化

二、統計推斷

1.參數估計

二項分布率的估計：查表或正態法

泊松分布均數估計：查表或正態法

2.假設檢驗

單個樣本率：直接法或二項分布U檢驗泊松分布U檢驗（率很小）兩樣本率的比較：四格表?2檢驗（校正）

二項分布U檢驗（n大、np>5,n(1-p)>5）

泊松分布U檢驗（（率很小）

精確概率法

多個率或構成比比較：?2檢驗(理論數不能小于1或小于的理論數

不能多于5分1)

兩兩比較：

任兩個對比、實驗與對照組比較

等級資料：-----效應比較

秩和檢驗

兩變量關系：

1.定量（計量資料）正態pearson相關 回歸

非正態秩相關

2．無序分類定性

3.有序分類定性?2檢驗和列聯相關系數

（1）單向有序分組有序、指標無序卡方檢驗分組無序、指標有序秩和檢驗

（2）雙向有序

屬性相同屬性不同Kappa檢驗 線性趨勢秩相關

第二篇：醫學統計學總結

1、同一資料的標準差是否一定小于均數？

答：均數是描述定量資料集中趨勢的指標，而標準差是描述定量資料離散程度的指標，二者反映的是資料分布特征的兩個不同方面。

2、極差、四分位間距、標準差、變異系數的適用范圍有何異同？

答：這四個指標的相同點在于均用于描述計量資料的離散程度。不同點為：極差可用于各種分布的資料，一般常用于描述單峰對稱分布小樣本資料的變異程度，或用于初步了解資料的變異程度。若樣本含量相差較大，則不宜用極差來比較資料的離散程度。四分位間距：適用于描述偏態分布資料、兩端無確切值或分布不明確資料的離散程度。標準差常用于描述對稱分布，特別是正態分布或近似分布資料的離散程度。變異系數適用于比較計量單位不同或均數相差懸殊的幾組資料的離散程度。

3、x2檢驗用于什么？

答：x檢驗用于：推斷兩個及兩個以上總體率或構成比是否有差別，兩個分類變量間有無相關關系，多個率的趨勢檢驗，以及兩個率的等效檢驗等。此外，也用于頻數分布的擬合優度檢驗。

4、四格表的U檢驗和x2檢驗有何聯系？

答：（1）相同點：四格表的u檢驗的根據是正態近似原理（n足夠大，∏和1-∏均不太小）。能用四格表的u檢驗進行兩個率比較檢驗的資料，都可以用x檢驗。四格表的雙側u檢驗與x檢驗是完全等價的，兩個統計量的關系為u= x，u20.05/2= u20.05/1.u檢驗和卡方檢驗都存在連續性矯正問題（2）不同點：①正態分布可以確定單、雙側檢驗界值，滿足正態近似條件時，可以使用四格表的單側u檢驗。②滿足四格表u檢驗的資料，計算兩率之間的95%可信區間，尚可分析兩率之差有無實際意義。③x2檢驗還可以用于配對設計四格表，但這時推斷∏1，∏2是否有差別的x2公式不同。5．參數檢驗和非參數檢驗的區別何在？各有何優缺點? 答：區別：參數檢驗，其應用條件是已知總體的分布類型，對總體參數進行估計或檢驗。非參數檢驗，不依賴總體分布的具體形式，目的在于檢驗總體分布是否不同。（2）參數檢驗優點是符合應用條件時，檢驗效能較高。缺點是對資料要求嚴格，不能用于等級數據、一端或兩端有不確切數據，此外，還要求資料的分布類型已知和總體方差齊等條件。非參數檢驗優點是應用范圍廣，計算簡便，對資料的要求不高；缺點是若對符合參數檢驗條件的資料用非參數檢驗，則會降低檢驗效能。如需檢驗出同樣大小的差異，非參數檢驗往往需要更大的樣本含量。

6.對同一資料，又出自同一研究目的，用參數檢驗和非參數檢驗所得不一致時，宜以何者為準?答：兩者各有使用條件，究竟取哪種結論，要根據資料是否滿足該種檢驗方法的應用條件進行選擇。在符合參數檢驗的條件時，可接受參數檢驗的結論，而資料不符合參數檢驗的條件時，應以非參數檢驗的結論為佳。如總體分布為極度偏態或其他非正態分布，或者兩總體方差不齊時，此時宜采用秩和檢驗的結果。7.非參數檢驗適用于哪些情況？

答：①等級資料②偏態資料。當觀察資料成偏態或極度偏態而又未經任何變量變換，或雖經變量變換但仍未達到正態或近似正態分布時③總體分布類型未知的資料④要比較的各組資料方差不齊⑤一端或兩端有不確定數據。

8.兩樣本比較的秩和檢驗，當n1＞n2＞10時采用u檢驗，這時檢驗是屬于參數檢驗還是非參數檢驗？為什么？答：兩組比較的秩和檢驗，當n很大時，可利用秩和T的分布隨n增大漸進正態分布的性質，進行u檢驗，此時利用的并非原始數據，而是經秩變換后的數據，故仍屬非參數檢驗。9.直線回歸分析中應注意哪些問題？

答：做回歸分析一定要有專業意義，不能將毫無聯系的兩個變量作直線回歸分析；回歸分析之前首先應繪制散點圖，考查x與y之間有無直線趨勢以及是否存在異常點；考慮是否滿足建立線性回歸模型的基本假定；直線回歸方程的應用與圖示一般以自變量x的取值范圍為限；兩變量的直線關系不一定是因果關系，也可能是伴隨關系。

10.簡述直線回歸與直線相關的區別與聯系。

答：區別：①資料要求不同：直線回歸中因變量y是來自正態總體的隨機變量，而r既可以是來自正態總體中的隨機變量，也可以是嚴密控制、精確測量的變量；相關分析則要求x,y是來自雙變量正態分布總體的隨機變量，②分析目的不同：直線回歸用于說明兩變量間依存變化的數量關系；直線相關用于說明變量間的直線相關關系。聯系：①方向一致：對一組數據計算，r與b，它們的正負號是一致的。②假設檢驗等價：對同一樣本r和b的假設檢驗得到的t值相等。③用回歸解釋相關：由r2=SS回/SS總可知，若回歸平方和越接近總平方和，則r越接近于1。

11.簡述直線相關、秩相關的區別與聯系。

答：區別：①資料要求不同：直線相關要求x、y是來自雙變量正態總體的隨機變量；秩相關適用于不服從雙變量正態分布或總體分布類型未知以及用等級表示的原始數據。②相關意義不同：直線相關表示兩變量的直線相關關系存在，秩相關表示兩變量的相關關系。聯系：相關系數的取值范圍相同；秩相關是將原始數據進行秩變換，以秩次計算直線相關系數。

12.均數的可信區間和參考值范圍有何不同？

222

22答：均數的可信區間：按一定的概率100（1-α）%（即可信度）估計總體均數所在的范圍，得到的范圍亦稱可信區間。參考值范圍：醫學參考值范圍指包括絕大多數正常人的人體形態、功能和代謝產物等各種生理及生化指標常數，也稱正常值。由于存在著個體差異，生物醫學數據并非常數，而是一定范圍內波動，故采用醫學參考值范圍作為判定正常和異常的參考標準。

13秩和檢驗的優缺點是什么? 答：①不受總體分布限制，適用面廣②適用于等級資料及兩端無確定值的資料③易于理解，易于計算。缺點：是對分布類型的廣泛適應性，使其很難充分利用資料提供的信息，有時會導致檢驗效能降低。14在t檢驗和u檢驗時，何種情況下采用單側檢驗？

答：單側檢驗的備擇假設帶有方向性，如：m＞m0,實際中只可能出現一種情況。雙側檢驗的備擇假設中包含不等號（如：m≠m0），實際上包括兩種情況：m＞m0或m＜m0，無方向性。15.均數、幾何均數和中位數的適用范圍是什么？

答：均數適用于描述單峰對稱分布，特別是正態分布或近似正態分布資料的集中趨勢。（由于均數易受到極端值的影響，故不適用于描述偏態分布資料的集中趨勢，只是需采用幾何均數或中位數。）幾何均數對于原始觀察值呈偏態分布，但經過對數變換后呈正態分布或近似正態分布的資料，易用幾何均數描述其集中趨勢。常用于等比級資料或對數正態分布資料。中位數可用于各種分布的資料。對于正態分布資料，中位數等于均數；對于對數正態分布資料，中位數等于幾何均數。由于中位數不受極端值的影響，主要用于偏態分布資料，兩端無確切值或分布不明確的資料。16.標準差和標準誤有何區別與聯系，他們的用途是什么？

答：標準差：是描述對稱分布，特別是正態分布或近似正態分布資料離散趨勢（變異程度）的常用指標。總體標準差用δ表示，樣本標準差用s表示。標準誤：樣本均數的標準差稱為標準誤。樣本均數⊙的總體均數為H，各⊙圍繞H的離散程度，可以用樣本均數的標準差來描述。用途：標準差用途：①表示變量分布的離散程度②結合均數計算變異系數③結合樣本含量計算標準誤④結合均數描述分布特征。標準誤用途：表示每個樣本均數間的變異程度，描述樣本均數的抽樣誤差，即樣本均數與總體均數的接近程度，也可稱為樣本均數的標準差。17.統計圖制作的一般原則？

答：首先，根據資料性質和分析目的正確選用適當的統計圖。其次，除圓圖外，一般用直角坐標系的第一象限的位置表示。最后，繪制圖形應注意準確、美觀，給人以清晰的印象。18.各種統計圖適合于何種資料? 答：描述某連續變量的頻數分布宜選用直方圖；分析、比較獨立的或不連續的多個組或多個類別的統計量宜選用條圖，分析某指標隨時間或其它連續變量變化而變化的趨勢宜選用線圖，描述或比較不同事物內部構成時用圓圖或百分比條圖等。

19.為什么要做r和b的假設檢驗？

答：b:即使從總體回歸系數β等于零的總體中作隨機抽樣，由于抽樣誤差的存在，其樣本回歸系數b也不一定全為零。因此，求得一個樣本回歸系數時，首先，需考慮線性方程是否成立？并進行回歸系數β是否為零的檢驗。以推斷自變量x與應變量y見是否有直線關系存在。

r:假定從總體相關系數t=0的總體中隨機抽樣，由于存在抽樣誤差，所得樣本相關系數r不一定全為零。故此，求得一個樣本相關系數r值后，仍需進行總體相關系數t是否為零的假設檢驗。

20.服從二項分布的條件是什么？

答：凡具有貝努力試驗序列3個特點的變量，一般可認為服從二項分布①每次試驗的結果只能是兩種互斥的結果中的一種（A或者非A）②各次試驗的結果互不影響，即各次試驗獨立③在相同試驗條件下，各次試驗中出現某一結果A具有相同的概率∏（非A的概率1-∏）。

21.相關系數和回歸系數有什么區別和聯系？

答：直線的斜率稱為回歸系數，直線相關系數也稱積距相關系數，說明具有直線關系的兩變量間的相關方向與密切程度。它們的聯系——方向一致即r與b正負一致，假設檢驗等價。區別：資料要求不同，回歸系數方程要求服從正態分布，x精確測量嚴格控制Ⅰ型回歸，相關方程要求x，y雙重復正態Ⅱ型回歸。22多個樣本均數間的比較為什么不能用t檢驗？

答：多個樣本均數的兩兩比較又稱多重比較，其目的是推斷究竟哪些總體均數之間存在差別，由于涉及的對比組數大于2，若仍用前述的t檢驗對兩個對比組做比較，會使犯第Ⅰ類錯誤的概率增大，即可能吧本來無差別的兩個總體均數判為有差別，因此，多重比較不宜用t檢驗分別作兩兩比較。

23對同一資料，有出自同一研究目的，用參數檢驗和非參數檢驗所得結果不一致時，宜以何者為準？答：參數檢驗要求其總體分布為正態分布，總體方差齊性，非參數檢驗常用解決那些總體分布未知的統計問題，對于同一資料，又出自同一研究目的，采用參數研究還是非參數檢驗取決于資料的類型。24.為什么要進行抽樣研究？抽樣時為什么會產生抽樣誤差？

答：計量資料的總體中所含的樣本數量巨大，要獲取資料的總體均數、標準差等數據十分困難，因此醫學科學研究中通常采用的抽樣研究方法，是指從總體中隨機抽取一個樣本，用樣本信息推斷總體特征，這種分析方法稱為統計推斷。但通常情況下，樣本均數（x拔）不可能與總體均數μ正好相等，這種由個體變異產生的，隨機抽樣引起的樣本統計量與總體參數間的差異稱為抽樣誤差。25.相關系數的意義？

答：相關系數r沒有單位，取值范圍為-1≤r≤1。兩變量相關的方向用r的正負號表示，即r＞0表示正相關；r＜0表示負相關。相關系數r的大小表示密切程度，r絕對值越接近1，表示兩變量間相關關系密切程度越高。∣r∣=1表示完全相關，∣r∣=0表示無直線相關。26.方差分析的應用條件？

答：①各樣本是相互獨立的隨機樣本②各樣本來自正態分布③各樣本方差相等，即方差齊。

27.χ2檢驗要注意的問題（注意事項）？

答：① 計算χ2 值時必須用絕對數。而不能用相對數，因為χ2 值的大小與頻數大小有關。②χ2 檢驗要求理論頻數不宜太小，一般認為不宜有1/5以上格子理論頻數小于5，或一個格子的理論頻數小于1。對理論頻數太小有三種處理方法：A 增大樣本例數 B 刪除理論數太小的行或列 C 合并③當多個樣本率（或構成比）比較的χ2 檢驗結論為拒絕檢驗假設，只能認為各總體率（或總體構成比）之間總的說來有差別，但不能說它們彼此間都有差別。或某兩者間有差別。

28.非參數檢驗適用哪些情況？

答：①等級順序資料。②偏態資料。當觀察資料成偏態或極度偏態分布而又未經變量變換未達到正態或近似正態分布時，宜用非參數檢驗。③未知分布類型資料④要比較的各組資料變異度相差較大，方差不齊，且不能變換達到齊性。⑤初步分析。有些醫學資料由于統計工作量過大，可采用非參數統計方法進行初步分析，挑選其中有意義者再進一步分析⑥對于一些特殊情況，如從幾個總體所獲得的數據，往往難以對其原有總體分布作出估計，在這種情況下可用非參數統計方法。

29.為什么秩和檢驗的編秩在不同對比組間出現相同數據要給予“平均秩次”，而同一組的相同數據不必計算“平均秩次”？

答：因為在不同對比組，不取平均秩次會加大或減小某一組的秩和；而在同一組內，出現相同數據不編平均秩次，該組秩和不受影響。

30.怎樣正確使用單側檢驗和雙側檢驗？

答：根據專業知識推斷兩個總體是否有差別時，是甲高于乙，還是以高于甲，當兩種可能都存在時，一般選雙側；若根據專業知識，如果甲不會低于乙，或研究者僅關心其中一種可能時，可選用單側。一般來講，雙側檢驗較穩妥故較多用，在預實驗有探索性質時，對結果的考慮以思路較寬為好，也用雙側檢驗。單側檢驗，應以專業知識為依據，他充分利用了另一側的不可能性，故檢出效率高，但應慎用。

31.回歸系數：直線的斜率b,也稱回歸系數。統計學意義是自變量x改變一個單位時，應變量y平均變化b個單位。32.相關系數：也稱pearson積距相關系數，說明具有直線相關的兩變量間相關方向與密切程度。33.直線回歸分析中應注意的問題？

答：①做直線回歸一定要有實際意義②回歸分析之前首先應繪制散點圖。③考慮建立線性模型的基本假定④取值范圍，避免外延。⑤兩變量間有直線關系不一定是因果關系。34.相關分析應用中應注意的問題？

答：①資料要求x、y都應來自雙變量正態總體的隨機變量。②進行相關分析前，應先繪制散點圖，有線性趨勢時，才可進行相關分析。③滿足應用條件的同一份雙變量資料，回歸系數b與相關系數r的正負號一致，假設檢驗等價。④相關分析時，小樣本資料經t檢驗只能推斷兩變量間有無直線關系，而不能推斷其相關的密切程度。要推斷兩樣本間相關的程度，樣本含量必須足夠大，當r有統計學意義時，但r2較小時，下結論要慎重。35.方差分析的應用條件? 答：①各樣本是相互獨立的隨機樣本②各樣本來自正態分布③各樣本方差相等，即方差齊。

36.二項分布：貝努力試驗序列中結果A出現次數的概率分布就是～。

37.率的標準化法：為解決因內部構成不同而導致分組率比較的結果與和紀律比較結果的矛盾，選定一個共同的標準人口或標準人口構成，分別計算兩組的標準化率，這種方法稱～。

38.抽樣誤差：由個體變異產生的，隨機抽樣引起的樣本統計量與總體參考數間的差異稱～

第三篇：醫學統計學總結

醫學統計學總結

一、兩組或多組計量資料的比較1.兩組資料： 1)大樣本資料或服從正態分布的小樣本資料(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)若大樣本資料或服從正態分布，并且方差齊性，則作完全隨機的方差分析。如果方差分析的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。2)如果小樣本的偏態分布資料或方差不齊，則作Kruskal Wallis的統計檢驗。如果Kruskal Wallis的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：用成組的Wilcoxon秩和檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。

二、分類資料的統計分析1.單樣本資料與總體比較 1)二分類資料：(1)小樣本時：用二項分布進行確切概率法檢驗；(2)大樣本時：用U檢驗。2)多分類資料：用Pearson c2檢驗（又稱擬合優度檢驗）。2.四格表資料 1)n>40并且所以理論數大于5，則用Pearson c2 2)n>40并且所以理論數大于1并且至少存在一個理論數<5，則用校正c2或用Fisher’s 確切概率法檢驗 3)n￡40或存在理論數<1，則用Fisher’s 檢驗 3.2×C表資料的統計分析 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，則行評分的CMH c2或成組的Wilcoxon秩和檢驗 2)列變量為效應指標并且為二分類，列變量為有序多分類變量，則用趨勢c2檢驗 3)行變量和列變量均為無序分類變量(1)n>40并且理論數小于5的格子數<行列表中格子總數的25%，則用Pearson c2(2)n￡40或理論數小于5的格子數>行列表中格子總數的25%，則用Fisher’s 確切概率法檢驗 4.R×C表資料的統計分析 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CMH c2或Kruskal Wallis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none zero correlation analysis的CMH c

23)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并且理論數小于5的格子數<行列表中格子總數的25%，則用Pearson c2(2)n￡40或理論數小于5的格子數>行列表中格子總數的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)觀察值較小時：用確切概率法進行檢驗。2)觀察值較大時：用正態近似的U檢驗。2.兩個樣本比較：用正態近似的U檢驗。配對設計或隨機區組設計

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服從正態分布的小樣本資料，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服從正態分布，并且方差齊性，則作隨機區組的方差分析。如果方差分析的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。2)如果小樣本時，差值呈偏態分布資料或方差不齊，則作Fredman的統計檢驗。如果Fredman的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：用Wilcoxon的符號配對秩檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。

五、分類資料的統計分析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)配對比較：用McNemar配對c2檢驗或配對邊際c2檢驗 2)一致性問題（Agreement）：用Kap檢驗 變量之間的關聯性分析

六、兩個變量之間的關聯性分析 1.兩個變量均為連續型變量 1)小樣本并且兩個變量服從雙正態分布，則用Pearson相關系數做統計分析 2)大樣本或兩個變量不服

第四篇：常用醫學統計學方法的選擇

常用醫學統計學方法的選擇

1.多組率的比較用卡方檢驗（χ2檢驗，chi-square test)直接用幾個率的數值比較，與直接用原始數據錄入比較，結果會有什么不同？卡方值會受樣本量的影響，樣本越多，卡方值越大。

2.多組計量資料比較采用方差分析(F檢驗)，不能用t檢驗。當方差分析結果為P<0.05時，只能說明k組總體均數之間不完全相同。若想進一步了解哪兩組的差別有統計學意義，需進行多個均數間的多重比較，即SNK-q檢驗(多個均數兩兩之間的全面比較)、LSD-t檢驗(適用于一對或幾對在專業上有特殊意義的均數間差別的比較)和Dunnett檢驗(適用于k-1個實驗組與一個對比組均數差別的多重比較)。

3.非正態分布多組數據之間比較選用非參數檢驗、單樣本中位數檢驗（符號檢驗和 Wilcoxon 檢驗）、雙樣本中位數檢驗（Mann-Whitney 檢驗）、方差分析（Kruskal-Wallis、Mood 中位數和 Friedman 檢驗）

4.按血糖水平從低到高分成多組，進行多組之間死亡率的比較，由于死亡率同樣受年齡、性別、病史、您身邊的論文好秘書：您的原始資料與構思,我按您的意思整理成優秀論文論著,并安排出版發表，扣1550116010、766085044自信我會是您人生路上不可或缺的論文好秘書血脂等因素的影響，所以需選取合適統計方法實現“調整年齡、性別等危險因素后，按血糖分組進行死亡率的比較（由血糖從低到高分成的4組）”。①年齡是定量變量（是數值），調整年齡的方法可在Logistic回歸中運用，連續性變量年齡加入covariate中，當成協變量，就可以調整年齡，age-adjusted odds ratio就能得到了。②性別性別是二分類變量，不是定量變量，不可在LOGISTIC回歸里比較。調整性別可在卡方檢驗中采取分層的方法比較。

如果為多分類LOGISTIC回歸，在選擇用multinomianl LOGISTIC回歸中，可選入年齡等進入covariate，觀察年齡的配比情況。可把性別選入factors(自變量)。這樣可以實現調整年齡、性別等危險因素。

5.回顧性研究(1)臨床妊娠率和女性年齡的關系+(2)男性影響臨床妊娠的精子參數比較： 數據類型及變量的說明：y：計量 擬采用的分析方法：卡方檢驗 擬采用的分析軟件：spss 原始數據附件及格式：word表

能否用其他方法統計分析：可用卡方分割，調整檢驗水準（根據比較的次數N，校正后的檢驗水準為0.05/N）。

6.重復t檢驗：多個樣本均數間的兩兩比較(又稱多重比較)不宜用t檢驗，因為重復數次，t檢驗將增加第一類錯誤的概率，使檢驗效率降低。此時宜用方差分析，并在此基礎上用兩兩比較方法(如．SNK、LSD、Duncan法等)。

對于同一對均數間的差異，用t檢驗無顯著性，而兩兩比較可能有顯著性，可見錯誤選用統計方法將推出錯誤結論。

統計方法的選擇: 分計量、計數、等級資料三

第五篇：醫學統計學 常用方法小結

一、兩組或多組計量資料的比較 1.兩組資料：

1)大樣本資料或服從正態分布的小樣本資料(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)若大樣本資料或服從正態分布，并且方差齊性，則作完全隨機的方差分析。如果方差分析的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。

2)如果小樣本的偏態分布資料或方差不齊，則作Kruskal Wallis的統計檢驗。如果Kruskal Wallis的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：用成組的Wilcoxon秩和檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。

二、分類資料的統計分析 1.單樣本資料與總體比較 1)二分類資料：

(1)小樣本時：用二項分布進行確切概率法檢驗；(2)大樣本時：用U檢驗。

2)多分類資料：用Pearson c2檢驗（又稱擬合優度檢驗）。2.四格表資料

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

3)n￡40或存在理論數<1，則用Fisher’s 檢驗 3.2×C表資料的統計分析

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，則行評分的CMH c2或成組的Wilcoxon秩和檢驗

2)列變量為效應指標并且為二分類，列變量為有序多分類變量，則用趨勢c2檢驗 3)行變量和列變量均為無序分類變量

(1)n>40并且理論數小于5的格子數<行列表中格子總數的25%，則用Pearson c2(2)n￡40或理論數小于5的格子數>行列表中格子總數的25%，則用Fisher’s 確切概率法檢驗

4.R×C表資料的統計分析

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CMH c2或Kruskal Wallis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none zero correlation analysis的CMH c2 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并且理論數小于5的格子數<行列表中格子總數的25%，則用Pearson c2(2)n￡40或理論數小于5的格子數>行列表中格子總數的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)觀察值較小時：用確切概率法進行檢驗。2)觀察值較大時：用正態近似的U檢驗。2.兩個樣本比較：用正態近似的U檢驗。

配對設計或隨機區組設計

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服從正態分布的小樣本資料，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服從正態分布，并且方差齊性，則作隨機區組的方差分析。如果方差分析的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。

2)如果小樣本時，差值呈偏態分布資料或方差不齊，則作Fredman的統計檢驗。如果Fredman的統計檢驗為有統計學意義，則進一步作統計分析：選擇合適的方法（如：用Wilcoxon的符號配對秩檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。

五、分類資料的統計分析 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)配對比較：用McNemar配對c2檢驗或配對邊際c2檢驗 2)一致性問題（Agreement）：用Kap檢驗

變量之間的關聯性分析

六、兩個變量之間的關聯性分析 1.兩個變量均為連續型變量

1)小樣本并且兩個變量服從雙正態分布，則用Pearson相關系數做統計分析 2)大樣本或兩個變量不服