統(tǒng)計(jì)學(xué)分析方法

1、統(tǒng)計(jì)分析方法總結(jié)分享胡斌00:06分享,并說：統(tǒng)計(jì)1.連續(xù)性資料1.1兩組獨(dú)立樣本比擬1.1.1資料符合正態(tài)分布，且兩組方差齊性，直接采用t檢驗(yàn)。1.1.2資料不符合正態(tài)分布，1可進(jìn)行數(shù)據(jù)轉(zhuǎn)換，如對(duì)數(shù)轉(zhuǎn)換等，使之服從正態(tài) 分布，然后對(duì)轉(zhuǎn)換后的數(shù)據(jù)采用t檢驗(yàn)；2采用非參數(shù)檢驗(yàn)，如Wilcoxon檢驗(yàn)。1.1.3資料方差不齊，1采用Satterthwate的t檢驗(yàn)；2采用非參數(shù)檢驗(yàn)，如Wilcoxon檢驗(yàn)。1.2兩組配對(duì)樣本的比擬1.2.1兩組差值服從正態(tài)分布，采用配對(duì)t檢驗(yàn)。1.2.2兩組差值不服從正態(tài)分布，采用wilcoxon的符號(hào)配對(duì)秩和檢驗(yàn)。1.3多組完全隨機(jī)樣本比擬1.3.1資料符合正態(tài)

2、分布，且各組方差齊性，直接采用完全隨機(jī)的方差分析。如 果檢驗(yàn)結(jié)果為有統(tǒng)計(jì)學(xué)意義，那么進(jìn)一步作兩兩比擬，兩兩比擬的方法有LSD檢 驗(yàn)，Bonferroni法，tukey法，Scheffe法，SNK法等。1.3.2資料不符合正態(tài)分布， 或各組方差不齊， 那么采用非參數(shù)檢驗(yàn)的Kruscal - Wallis法。如果檢驗(yàn)結(jié)果為有統(tǒng)計(jì)學(xué)意義，那么進(jìn)一步作兩兩比擬，一般采用Bonferroni法校正P值，然后用成組的Wilcoxon檢驗(yàn)。1.4多組隨機(jī)區(qū)組樣本比擬1.4.1資料符合正態(tài)分布，且各組方差齊性，直接采用隨機(jī)區(qū)組的方差分析。如 果檢驗(yàn)結(jié)果為有統(tǒng)計(jì)學(xué)意義，那么進(jìn)一步作兩兩比擬，兩兩比擬的方法有LS

3、D檢驗(yàn)，Bonferroni法，tukey法，Scheffe法，SNK法等。1.4.2資料不符合正態(tài)分布，或各組方差不齊，那么采用非參數(shù)檢驗(yàn)的Fridman檢驗(yàn)法。 如果檢驗(yàn)結(jié)果為有統(tǒng)計(jì)學(xué)意義， 那么進(jìn)一步作兩兩比擬， 一般采用Bonferroni法校正P值，然后用符號(hào)配對(duì)的Wilcoxon檢驗(yàn)。*需要注意的問題：1一般來說，如果是大樣本，比方各組例數(shù)大丁50,可以不作正態(tài)性檢驗(yàn)， 直接采用t檢驗(yàn)或方差分析。因?yàn)榻y(tǒng)計(jì)學(xué)上有中心極限定理，假定大樣本是服從 正態(tài)分布的。2當(dāng)進(jìn)行多組比擬時(shí)，最容易犯的錯(cuò)誤是僅比擬其中的兩組，而不顧其他組，這樣作容易增大犯假陽性錯(cuò)誤的概率。 正確的做法應(yīng)該是，先作總的

4、各組問的比擬，如果總的來說差異有統(tǒng)計(jì)學(xué)意義， 然后才能作其中任意兩組的比擬，這些兩兩比擬有特定的統(tǒng)計(jì)方法，如上面提到的LSD檢驗(yàn)，Bonferroni法，tukey法，Scheffe法，SNK法等。*絕不能對(duì)其中的兩組直接采用t檢驗(yàn)，這樣即使 得出結(jié)果也未必正確*3關(guān)丁常用的設(shè)計(jì)方法：多組資料盡管最終分析都是采用方差分析，但不 同設(shè)計(jì)會(huì)有差異。常用的設(shè)計(jì)如完全隨即設(shè)計(jì)， 隨機(jī)區(qū)組設(shè)計(jì)，析因設(shè)計(jì)，裂區(qū) 設(shè)計(jì)，嵌套設(shè)計(jì)等。2.分類資料2.1四格表資料2.1.1例數(shù)大于40,且所有理論數(shù)大于5,那么用普通的Pearson檢驗(yàn)。2.1.2例數(shù)大于40,所有理論數(shù)大于1,且至少一個(gè)理論數(shù)小于5,那么用校

5、正的 檢 驗(yàn)或Fisher s確切概率法檢驗(yàn)。2.1.3例數(shù)小于40,或有理論數(shù)小于2,那么用Fisher s確切概率法檢驗(yàn)。2.22X C表或RX 2表資料的統(tǒng)計(jì)分析2.2.1列變量&行變量均為無序分類變量， 那么1例數(shù)大于40,且理論數(shù)小于5的格子數(shù)目總格子數(shù)目的25%，貝U用普通的Pearson檢驗(yàn)。2例數(shù)小于40,或理論數(shù)小于5的格子數(shù)目總格子數(shù)目的25%,那么用Fisher s確切概率法檢 驗(yàn)。2.2.2歹0變量為效應(yīng)指標(biāo)， 且為有序多分類變量， 行變量為分組變量， 用普通的Pearson檢驗(yàn)只說明組問構(gòu)成比不同，如要說明療效，那么可用行平均分差檢驗(yàn)或 成組的Wilcoxon

6、秩和檢驗(yàn)。2.2.3歹0變量為效應(yīng)指標(biāo)，且為二分類變量，行變量為有序多分類變量，那么可米用普通的Pearson檢驗(yàn)比擬各組之間有無差異，如果總的來說有差異，還可進(jìn)一 步作兩兩比擬，以說明是否任意兩組之間的差異都有統(tǒng)計(jì)學(xué)意義。2.3R X C表資料的統(tǒng)計(jì)分析2.2.1列變量&行變量均為無序分類變量， 那么1例數(shù)大于40,且理論數(shù)小于5的格子數(shù)目總格子數(shù)目的25%，貝U用普通的Pearson檢驗(yàn)。2例數(shù)小于40,或理論數(shù)小于5的格子數(shù)目總格子數(shù)目的25%,那么用Fisher s確切概率法檢 驗(yàn)。3如果要作相關(guān)性分析，可采用Pearson目關(guān)系數(shù)。2.2.2歹0變量為效應(yīng)指標(biāo)， 且為有序多分

7、類變量， 行變量為分組變量， 用普通的Pearson檢驗(yàn)只說明組問構(gòu)成比不同，如要說明療效或強(qiáng)弱程度的不同，貝U可用 行平均分差檢驗(yàn)或成組的Wilcoxon秩和檢驗(yàn)或Ridit分析。2.2.3歹0變量為效應(yīng)指標(biāo)，且為無序多分類變量，行變量為有序多分類變量，那么 可采用普通的Pearson檢驗(yàn)比擬各組之間有無差異，如果有差異，還可進(jìn)一步作 兩兩比擬，以說明是否任意兩組之間的差異都有統(tǒng)計(jì)學(xué)意義。2.2.4列變量&行變量均為有序多分類變量，1如要做組問差異分析，那么可用行平均分差檢驗(yàn)或成組的Wilcoxon秩和檢驗(yàn)或Ridit分析。如果總的來說有差異， 還可進(jìn)一步作兩兩比擬，以說明是否任意兩

8、組之間的差異都有統(tǒng)計(jì)學(xué)意義。2如果要做兩變量之間的相關(guān)性，可采用Spearsonfg關(guān)分析。2.4配對(duì)分類資料的統(tǒng)計(jì)分析2.4.1四格表配對(duì)資料，1 b+ c40,那么用McNemar配對(duì) 檢驗(yàn)。2 b+ c40,那么用校正的配對(duì)檢驗(yàn)。2.4.1 CX C資料，1配比照擬：用McNemar配對(duì) 檢驗(yàn)。2一致性檢驗(yàn)， 用Kappa檢驗(yàn)。在SPS湫件相關(guān)分析中，pearson皮爾遜，kendall肯德爾 和spearman斯伯曼/斯皮爾曼三種相關(guān)分析方法有什么異同兩個(gè)連續(xù)變量問呈線性相關(guān)時(shí)，使用Pearson積差相關(guān)系數(shù)，不滿足積差 相關(guān)分析的適用條件時(shí)，使用Spearman秩相關(guān)系數(shù)來描述.Sp

9、earman相關(guān)系數(shù)乂稱秩相關(guān)系數(shù)，是利用兩變量的秩次大小作線性相關(guān)分析，對(duì)原始變量的分布不作要求，屆于非參數(shù)統(tǒng)計(jì)方法，適用范圍要廣些。對(duì)于服從Pearson相關(guān)系數(shù)的數(shù)據(jù)亦可計(jì)算Spearman相關(guān)系數(shù)， 但統(tǒng)計(jì)效能要 低一些。Pearson相關(guān)系數(shù)的計(jì)算公式可以完全套用Spearman相關(guān)系數(shù)計(jì)算公 式，但公式中的x和y用相應(yīng)的秩次代替即可。Kendalls tau-b等級(jí)相關(guān)系數(shù)：用于反映分類變量相關(guān)性的指標(biāo)，適用 于兩個(gè)分類變量均為有序分類的情況。對(duì)相關(guān)的有序變量進(jìn)行非參數(shù)相關(guān)檢驗(yàn)；取值范圍在-1-1之間，此檢驗(yàn)適合于正方形表格；計(jì)算積距pearson相關(guān)系數(shù)，連續(xù)性變量才可采用；計(jì)算

10、Spearman秩相關(guān) 系數(shù)，適合于定序變量或不滿足正態(tài)分布假設(shè)的等間隔數(shù)據(jù)；計(jì)算Kendall秩相 關(guān)系數(shù)，適合于定序變量或不滿足正態(tài)分布假設(shè)的等間隔數(shù)據(jù)。計(jì)算相關(guān)系數(shù)：當(dāng)資料不服從雙變量正態(tài)分布或總體分布未知，或原始數(shù) 據(jù)用等級(jí)表示時(shí)，宜用spearman或kendall相關(guān)Pearson相關(guān)復(fù)選項(xiàng)積差相關(guān)計(jì)算連續(xù)變量或是等間距測(cè)度的變量問 的相關(guān)分析Kendall復(fù)選項(xiàng)等級(jí)相關(guān)計(jì)算分類變量間的秩相關(guān)，適用于合并等級(jí)資料Spearman復(fù)選項(xiàng)等級(jí)相關(guān)計(jì)算斯皮爾曼相關(guān)，適用于連續(xù)等級(jí)資料 注：1假設(shè)非等間距測(cè)度的連續(xù)變量 因?yàn)榉植疾幻?可用等級(jí)相關(guān)/也可用Pearson相 關(guān)，對(duì)于完全等級(jí)離

11、散變量必用等級(jí)相關(guān)2當(dāng)資料不服從雙變量正態(tài)分布或總體分布型未知或原始數(shù)據(jù)是用等級(jí)表示時(shí)，宜用Spearman或Kendall相關(guān)。3假設(shè)不恰當(dāng)用了Kendall等級(jí)相關(guān)分析那么可能得出相關(guān)系數(shù)偏小的結(jié)論。那么假設(shè) 不恰當(dāng)使用，可能得相關(guān)系數(shù)偏小或偏大結(jié)論而考察不到不同變量問存在的密切 關(guān)系。對(duì)一般情況默認(rèn)數(shù)據(jù)服從正態(tài)分布的，故用Pearson分析方法。在SPS眥進(jìn)入Correlate Bivariate，在變量下面Correlation Coefficients復(fù)選框組里有3個(gè)選項(xiàng)：PearsonKendalls tau-bSpearman：Spearmanspearman斯伯曼/斯皮爾曼相關(guān)

12、系數(shù) 斯皮爾曼等級(jí)相關(guān)是根據(jù)等級(jí)資料研究?jī)蓚€(gè)變量問相關(guān)關(guān)系的方法。它是依據(jù)兩列成對(duì)等級(jí)的各對(duì)等級(jí)數(shù)之差來進(jìn)行計(jì)算的，所以乂稱為“等級(jí)差數(shù)法 斯皮爾曼等級(jí)相關(guān)對(duì)數(shù)據(jù)條件的要求沒有積差相關(guān)系數(shù)嚴(yán)格，只要兩個(gè)變量的觀測(cè)值是成對(duì)的等級(jí)評(píng)定資料， 或者是由連續(xù)變量觀測(cè)資料轉(zhuǎn)化得到的等級(jí) 資料，不管兩個(gè)變量的總體分布形態(tài)、樣本容量的大小如何，都可以用斯皮爾曼 等級(jí)相關(guān)來進(jìn)行研究Kendalls相關(guān)系數(shù)肯德爾KendallW系數(shù)乂稱和諧系數(shù)，是表示多列等級(jí)變量相關(guān)程度的 一種方法。適用這種方法的數(shù)據(jù)資料一般是采用等級(jí)評(píng)定的方法收集的，即讓K個(gè)評(píng)委被試評(píng)定N件事物，或1個(gè)評(píng)委被試先后K次評(píng)定N件事物。等 級(jí)評(píng)

13、定法每個(gè)評(píng)價(jià)者對(duì)N件事物排出一個(gè)等級(jí)順序，最小的等級(jí)序數(shù)為1,最大的為N,假設(shè)并列等級(jí)時(shí)，貝W分共同應(yīng)該占據(jù)的等級(jí)，如，平時(shí)所說的兩個(gè)并 列第一名，他們應(yīng)該占據(jù)1, 2名，所以它們的等級(jí)應(yīng)是1.5,乂如一個(gè)第一名， 兩個(gè)并列第二名，三個(gè)并列第三名，那么它們對(duì)應(yīng)的等級(jí)應(yīng)該是1,2.5,2.5,5,5,5,這里2.5是2,3的平均,5是4,5,6的平均。肯德爾KendallU系數(shù)乂稱一致性系數(shù)，是表示多列等級(jí)變量相關(guān)程度 的一種方法。該方法同樣適用于讓K個(gè)評(píng)委被試評(píng)定N件事物，或1個(gè)評(píng)委 被試先后K次評(píng)定N件事物所得的數(shù)據(jù)資料，只不過評(píng)定時(shí)采用對(duì)偶評(píng)定的 方法，即每一次評(píng)定都要將N個(gè)事物兩兩比擬，

14、評(píng)定結(jié)果如下表所示，表格中空 白位陰影局部可以不管填入的數(shù)據(jù)為：假設(shè)i比j好記1,假設(shè)i比j差記0,兩者相同那么記0.5。一共將得到K張這樣的表格，將這K張表格重疊起來，對(duì)應(yīng) 位置的數(shù)據(jù)累加起來作為最后進(jìn)行計(jì)算的數(shù)據(jù)，這些數(shù)據(jù)記為j。正態(tài)分布的相關(guān)檢驗(yàn)對(duì)來自正態(tài)總體的兩個(gè)樣本進(jìn)行均值比擬常使用T檢驗(yàn)的方法。T檢驗(yàn) 要求兩個(gè)被比擬的樣本來自正態(tài)總體。兩個(gè)樣本方差相等與不等時(shí)用的計(jì)算T值的公式不同。進(jìn)行方差齊次性檢驗(yàn)使用F檢驗(yàn)。對(duì)應(yīng)的零假設(shè)是：兩組樣本方差相等。P值小于0.05說明在該水平上否認(rèn)原假設(shè)，方差不齊；否那么兩組方差無顯著性 差異。U檢驗(yàn)時(shí)用服從正態(tài)分布的檢驗(yàn)量去檢驗(yàn)總體均值差異情況的方法。 在這 種情況下總體方差通常是的。雖然T檢驗(yàn)法與U檢驗(yàn)法所解決的問題大體相同，但在小樣本樣本數(shù)n =30作為大樣本且均方差未知的情況下就不能用U檢驗(yàn)法了。均值檢驗(yàn)時(shí)不同的數(shù)據(jù)使用不同的統(tǒng)計(jì)量使用MEAN過程求假設(shè)十組的描述統(tǒng)計(jì)量，目的在于比擬。因此必須分組求 均值。這是與Descriptives過程不同之處。檢驗(yàn)單個(gè)變量的均值是否與給定的常數(shù)之間存在差異，用One-Sample TTest單樣本T檢驗(yàn)過程。檢驗(yàn)兩個(gè)不相關(guān)的樣本是否來自來具有相同均值的總體，用Independen