公衛(wèi)必備 衛(wèi)生統(tǒng)計(jì)學(xué)各種資料統(tǒng)計(jì)方法大匯總

1、一、兩組或多組計(jì)量資料的比較 8 B W. l$ B- c. W6 o1.兩組資料：: o/ G R; ; ( d Y, l0 Q1)大樣本資料或服從正態(tài)分布的小樣本資料6 G |- + z |* u o5 h(1)若方差齊性，則作成組t檢驗(yàn); r |+ h7 f* i4 ! K3 a$ o(2)若方差不齊，則作t檢驗(yàn)或用成組的Wilcoxon秩和檢驗(yàn)7 _0 C7 q7 L% c+ G# d2)小樣本偏態(tài)分布資料，則用成組的Wilcoxon秩和檢驗(yàn)5 3 - _ i 2.多組資料：2 n: I. I1 ) U S1)若大樣本資料或服從正態(tài)分布，并且方差齊性，則作完全隨機(jī)的方差分析。如果方差分

2、析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。7 6 S9 m: t8 l* q2)如果小樣本的偏態(tài)分布資料或方差不齊，則作Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)。如果Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用成組的Wilcoxon秩和檢驗(yàn)，但用Bonferroni方法校正P值等）進(jìn)行兩兩比較。* m& & w# l( w二、分類資料的統(tǒng)計(jì)分析 * z: m$ _) k2 w c1 o2 j1.單樣本資料與總體比較& c% a% Y, T9 4 J+ D5 z1)二

3、分類資料：9 W9 p. P/ ; w* M L ! T(1)小樣本時(shí)：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn)；) D _+ 8 N M: p# a5 g(2)大樣本時(shí)：用U檢驗(yàn)。/ O. J2 d$ V1 X5 y$ n( e$ T2)多分類資料：用Pearson c2檢驗(yàn)（又稱擬合優(yōu)度檢驗(yàn)）。( 5 O3 & Q7 o& q1 a0 o# l2. 四格表資料5 S v+ R- S2 W1)n40并且所以理論數(shù)大于5，則用Pearson c2a3 w6 K. z6 U8 ?5 l& K, N2)n40并且所以理論數(shù)大于1并且至少存在一個(gè)理論數(shù)5，則用校正c2或用Fishers 確切概率法檢驗(yàn)& 3 o

4、1 3 6 P* X, T- R/ Q) U3)n40或存在理論數(shù)40并且理論數(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，則用Fishers 確切概率法檢驗(yàn)6 , Q9 a v( L4. RC表資料的統(tǒng)計(jì)分析! I2 y) X* l0 e! t8 t- o1)列變量為效應(yīng)指標(biāo)，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(yàn)9 k- c + o5 l; Y6 Z2)列變量為效應(yīng)指標(biāo)，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 c23 U+ y4 |4 v& D& X0 w8 b

5、6 D+ g3)列變量和行變量均為有序多分類變量，可以作Spearman相關(guān)分析2 . Q3 R7 J G4)列變量和行變量均為無序多分類變量，4 5 S- g, Q: g a(1)n40并且理論數(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，則用Fishers 確切概率法檢驗(yàn)4 h% |- I/ U1 F三、Poisson分布資料 9 o# e3 # y5 4 l/ z* h1.單樣本資料與總體比較：, ( v- & X( f7 U+ N8 1)觀察值較小時(shí)：用確切概率法進(jìn)行檢驗(yàn)。3 P- i0 D2 x# * g. G3 v, g( y! X C2)觀察值較大時(shí)：用正態(tài)近似的U檢驗(yàn)。3 Y: x

6、# S. k. o R J+ I+ a2.兩個(gè)樣本比較：用正態(tài)近似的U檢驗(yàn)。) Y$ 0 0 d6 A* H配對(duì)設(shè)計(jì)或隨機(jī)區(qū)組設(shè)計(jì)四、兩組或多組計(jì)量資料的比較3 s% e: Z |, X1.兩組資料：9 j( v0 i2 i& a, A A0 w1)大樣本資料或配對(duì)差值服從正態(tài)分布的小樣本資料，作配對(duì)t檢驗(yàn)0 _! q+ h/ E; e8 z$ R2)小樣本并且差值呈偏態(tài)分布資料，則用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)5 R2 P% N& r2 c z# t2.多組資料：- I. ( E D) n% G6 I I1)若大樣本資料或殘差服從正態(tài)分布，并且方差齊性，則作隨機(jī)區(qū)組的方差分析。如果方差分

7、析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。7 W. s7 h- A! 5 ( U2)如果小樣本時(shí)，差值呈偏態(tài)分布資料或方差不齊，則作Fredman的統(tǒng)計(jì)檢驗(yàn)。如果Fredman的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)，但用Bonferroni方法校正P值等）進(jìn)行兩兩比較。% p6 J- F* , c5 r7 ( R% e$ g五、分類資料的統(tǒng)計(jì)分析 9 B j; a! P3 1.四格表資料7 E5 T S& P% 2 C, 4 e3 # q1)b+c40，

8、則用McNemar配對(duì)c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn)C- a# 0 c% U4 w0 f2)b+c40，則用二項(xiàng)分布確切概率法檢驗(yàn), c# / F& V0 + z E2.CC表資料：2 W2 V$ J/ X7 q: z) y+ C9 _1)配對(duì)比較：用McNemar配對(duì)c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn)! l+ U& 0 x j, I7 O/ d: f2)一致性問題（Agreement）：用Kap檢驗(yàn)* e4 G Q1 v5 F變量之間的關(guān)聯(lián)性分析六、兩個(gè)變量之間的關(guān)聯(lián)性分析! 9 E 2 X B/ i5 B+ R O Q1.兩個(gè)變量均為連續(xù)型變量4 A1 g5 t% C! F8 h: j K1)小樣本并

9、且兩個(gè)變量服從雙正態(tài)分布，則用Pearson相關(guān)系數(shù)做統(tǒng)計(jì)分析7 s h( c4 y$ F$ _2)大樣本或兩個(gè)變量不服從雙正態(tài)分布，則用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析! c a4 W. 4 o& S+ Z4 x2.兩個(gè)變量均為有序分類變量，可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析& ?% K% R3 H2 ?1 D3.一個(gè)變量為有序分類變量，另一個(gè)變量為連續(xù)型變量，可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析8 c, X) C* s/ x七、回歸分析 # S. w. _6 9 ?( b, J9 P1.直線回歸：如果回歸分析中的殘差服從正態(tài)分布（大樣本時(shí)無需正態(tài)性），殘差與自變量無趨勢(shì)變

10、化，則直線回歸（單個(gè)自變量的線性回歸，稱為簡(jiǎn)單回歸），否則應(yīng)作適當(dāng)?shù)淖儞Q，使其滿足上述條件。( V5 E. s) V5 T, e n2.多重線性回歸：應(yīng)變量（Y）為連續(xù)型變量（即計(jì)量資料），自變量（X1，X2，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。如果回歸分析中的殘差服從正態(tài)分布（大樣本時(shí)無需正態(tài)性），殘差與自變量無趨勢(shì)變化，可以作多重線性回歸。* $ F Q4 |# S. ; 1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素! H y( N; . O6 % n/ h/ 7 b2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，

11、以校正這些混雜因素對(duì)結(jié)果的混雜作用z+ * M- A6 r $ c3.二分類的Logistic回歸：應(yīng)變量為二分類變量，自變量（X1，X2，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。7 z( D) o, J* X$ f9 w1)非配對(duì)的情況：用非條件Logistic回歸8 F4 K1 y+ Q7 y) O(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素0 J; a; o3 , 0 p9 a4 s5 j(2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用- O; b( z( M9 E a, B2

12、P- g2)配對(duì)的情況：用條件Logistic回歸k+ $ F6 u- k* (1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素+ 2 a; H0 t O$ t- t O$ P(2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用! W2 Z! z6 r* O4 p* r* C2 A; p4.有序多分類有序的Logistic回歸：應(yīng)變量為有序多分類變量，自變量（X1，X2，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。 F0 O6 d; w& A1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素 _ y- c6 r* L2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用% t3 % f. _) Q 9 W, u5.無序多分