医学研究中统计学方法的抉择资料.ppt

2）差错分析 作者明知急性心肌梗死发病与气温不呈直线而呈S型曲线相关，却仍然采用直线相关与回归分析，这是不恰当的。 3）修正 根据该资料特点，可选择Logistic曲线模型。因作者未给出每日观察总人数，无法计算发病率，故未能拟合Logistic曲线回归方程。 （五）统计结果的解释与表达中常见的错误 1．表达假设检验结果时存在的问题 例24 统计检验结果不完善的表达方式 1）多种多样表达统计检验结果的方式 ①资料未经过任何统计学处理，仅根据实际数据的大小，凭经验作出某组与另一组之间的差别有显著性意义的结论； ②作了统计学处理，但未交代选用的是什么统计分析方法，仅给出P值； ③作了统计学处理，也交代了所选用的统计分析方法，并给出P值，但未给出统计量的具体值。 2）差错分析 第1种形式，因为资料未经过任何统计学处理，无论作出肯定或否定结论都是缺乏科学依据的，也是不可信的。因此应绝对禁止。 第2种形式，因为仅有P值，别人无法考察统计分析方法是否正确，也无法核对计算结果是否准确。因此，也应绝对禁止。 第3种形式虽然最常见，但未给出统计量的具体数值。 3）修正 表达假设检验结果时，最好同时给出以下信息：①所选用的统计分析方法，而且应尽量交代准确具体；②统计量的具体数值及自由度；③假设检验的具体P值；④有关总体参数的95%可信区间。 2．选用标准差还是标准误时存在的问题 例25 选用标准误表达结果优于选用标准差吗？ 1）原先表达统计结果的方式：某学者在表达1组正常人与10组不同疾病的患者血清PCⅢ测定结果时，编制出如下统计表[表25（Y）]。 2）差错分析 3）修正 3．解释无显著性意义的结果时存在的问题 例26 误认为P0.05所对应的实验因素一定是无用因素 1）“P0.05”等价于“某因素是无用因素”吗？ 某研究者在研究多个实验因素对某产物的影响时，运用正交设计安排了全部实验因素。运用方差分析处理资料后发现“温度”这个实验因素所对应的P值是“P0.05”，便认为“温度”这个实验因素对产物的影响无显著性意义，于是，得出结论：“温度这个实验因素在本实验中是无关紧要的，可忽略不予考虑”。 2）差错分析 假定在上述问题中没犯Ⅱ型错误的前提下，来讨论所提出的问题。此时，“P0.05”与“某因素是无用因素“之间并非等价关系！即使某个实验因素在实验中是不可缺少的，如果该因素在实验中所取的水平过于接近，它们对实验结果的影响自然也就相差无几了。此时的不显著，仅表明该因素的各水平对观测结果的影响几乎相同，而不代表该因素对观测结果无影响。 3）释疑 当发现某因素所对应的显著性水平为“P0.05”时，不要轻率地作出类似原作者的结论，一定要仔细检查一下该因素所取的水平是否过于接近。如果因素的水平已取到可能取值范围内的最小值、中等值和最大值，而且，设计符合实验设计的基本原则，并且所选取的试验点具有统计学上的依据，则可认为该因素在其取值范围内可取任何值，但此时仍得不出“该因素是无用因素，可忽略不予考虑“的结论。像“温度”这样的实验因素，在某些实验中是必不可少的。如果问题中所涉及的不是像“温度”那样的实验因素，而是像“某种物质含量”那样的实验因素，无论它取多大含量（甚至含量为零），观测结果始终不受其影响。此时，才可认为该因素是无用因素，今后做类似实验时可不予考虑。 4．解释有显著性意义的结果时存在的问题 例27 误解了“P0.01”与“P0.05”的真正含义 1）在解释“P0.01”与“P0.05”含义时常犯的错误：有些人在解释具有显著性意义的统计结果时，常根据P值是“0.05”还是“0.01”作出肯定程度不同的专业结论。例如，当比较甲、乙两种药物的疗效时（假定甲药优于乙药），若得到“P0.001 ”，则认为甲药极显著地优于乙药；若得到“P0.01”，则认为甲药非常显著地优于乙药；若得到“P0.05”，则认为甲药显著地优于乙药。 2）差错分析 统计学上根据假设检验原理推算出来的P值，表示拒绝特定的零假设可能犯假阳性错误的概率的理论值，它的大小不反映对比的两者之间差别的程度的大小。 3）释疑 如果事先规定拒绝零假设的显著性水平α=0.05，当计算的结果为P≤α时，可以作出的结论应当是相同的，即拒绝零假设，可以认为对比的两者之间的差别具有显著性意义。但下此结论时犯假阳性错误的概率在不同的场合下可能不等，视P值的大小而定。 5．解释相关分析结果时存在的问题 例28 误认为“r≈0“就是零相关 1）有一些人认为，“样本直线相关系数r≈0就代表两变量之间呈‘零