统计方法的分类与选择.pptVIP

转换为分析y取某个值的概率 变量p与x的关系 不能直接分析 变量y与x的关系 Logistic回归模型 Logistic回归分析的分类 按数据的类型： 非条件logistic回归分析（成组数据） 条件logistic回归分析（配对病例-对照数据） 按因变量取值个数： 二值logistic回归分析 多值logistic回归分析 按自变量个数： 一元logistic回归分析 多元logistic回归分析 医学中经常需要作配对病例-对照研究。所谓的配对病例-对照研究指的是在病例-对照研究中，对每一个病例配以性别、年龄或其它条件相似的一个(1:1)或几个(1:M)对照，然后分析比较病例组与对照组以往暴露于致病因素的经历。 分析配对病例-对照研究资料的统计分析方法一般采用条件logistic回归分析。 条件logistic回归分析的数学模型以及分析原理方法均和 非条件logistic回归分析类似。因为参数的估计公式涉及到条件概率理论，所以称为条件logistic回归分析。 条件logistic回归分析 Logistic回归分析和线性回归分析的异同点是什么？ 相同点： 都可以校正混杂因子的影响； 都可以利用模型来筛选危险因子； 都可以用来做预测。 不同点： 前者对因变量无分布要求，后者要求因变量是正态分布变量； 前者要求因变量必须是分类型变量，后者要求因变量必须是连续型数值变量。 前者不要求自变量和因变量呈线性关系，后者要求自变量和因变量呈线性关系； 前者是分析因变量取某个值的概率与自变量的关系，后者是直接分析因变量与自变量的关系。 统 计 学 方 法 的 分 类 与 选 择 根据研究设计类型选择分析方法 （一）成组比较的设计 在成组比较设计中，若是两组比较需要应用t检验或X2检验。多组比较需应用方差分析、行×列表X2检验或分级的分析方法。 （二）配对（自身实验前后）设计 这种类型的设计需要按照配比的t检验，X2检验及配对的病例对照研究方法进行数据分析。 （三）重复测量的设计 这类设计方法是在给定一个处理因素后在不同的时间重复测量某一效应变量的改变情况。如欲评价生物制品接种后的免疫学效果，在接种后的2周、4周、6周和8周测定抗体滴度，即为此类设计类型。对于这种设计类型的数据需应用重复测量的方差分析方法进行数据的分析。 （四）多因素设计 若在研究设计中有多个自变量，则可根据因变量的性质选择合适的多因素分析方法。如果自变量是数值变量，则可考虑应用多元回归分析方法、协方差分析方法。如果是分类变量，则可选择logistic回归分析方法、判别分析方法及聚类分析方法等。 根据变量的类型选择分析方法 区别与明确研究的因变量和自变量具有重要的流行病学与生物统计学意义，首先它有助于选择拟研究的变量，对调查表的设计具有指导作用。 其次数据分析阶段可以指导数据分析方法的选择及模型的建立。若因变量是分类变量，则常考虑应用分类变量的分析方法，如卡方检验，logistic回归分析等。如果因变量是数值变量，则考虑应用数值变量的分析方法如t检验、方差分析，协方差分析、多元回归等。同时明确自变量与因变量可以建立正确的统计学分析模型。 因变量应该放在模型的左侧，自变量则放在模型的右侧。 例如欲评价不同治疗方法（口服药物、注射胰岛素及膳食控制）对糖尿病人的治疗效果（血糖水平），在分析时要求调整病人的性别、年龄和病程的影响。对本例的处理需要进行协方差分析，在应用SAS进行分析时，要将血糖水平（因变量）放在模型的左则，而治疗方法或其它协变量（covariate）即性别、年龄和病程放在模型的右侧。又如分析脂蛋白（a）与冠心病发生的关系，则冠心病是否发生为因变量，脂蛋白（a）则为自变量，不可颠倒这种关系。 不同变量类型的数据分析方法选择 因变量 自变量 数值变量 分类变量 有序变量 数值变量 相关分析，多元回归分析 t检验,方差分析，协方差分析，多元回归分析 相关分析，多元回归分析 分类变量 t检验,方差分析，logistic回归分析,判别分析，聚类分析 c2检验，logistic回归分析 c2检验 有序变量 方差分析，logistic回归分析,判别分析，聚类分析 c2检验，logistic回归分析 相关分析，c2检验 生存时间 　 生存分析 　 不同研究设计和数据类型的数据分析方法选择 　 研究设计类型 变量类型 两组比较 两组以上比较 实验前后比较 重复测量 两变量间的联系 　 　 　 　 重复测量的方差分析 线性回归，Pearson相关系数 数值变量 t检验 方差分析 配对t检验 　 　 　 　 分类变量 c2检验 c2检验 配对c2检验 　 列联表相