数据统计的常见问题解析.ppt

数据统计的常见问题解析 1 基本概念 (四)概率: 某随机事件发生可能性的大小, 用P表示, 必然事件概率为1, 不可能发生事件的概率为0, 一般事件概率为0～1。对总体而言。习惯上常将P?0.05或P?0.01称为小概率事件。 定量资料:亦称数量变量，其变量值是定量的，表现为数值的大小，一般有度量衡单位，如调查某地区10岁儿童的Hb值。 分类资料：亦称定性资料，其观察值是定性的，表现为互不相容的类别或属性，有两种情况： 二项分类 无序分类 多项分类 有序分类 病情严重程度 药物剂量 误将定量资料判为定性资料从而误用χ2检验 原文题目：《小儿皮肤血管瘤雌、孕激素受体的研究》，原作者意在探讨雌激素受体（ER）、孕激素受体（PR）在血管瘤发生、发展中的意义。采用免疫组化方法对毛细血管瘤、混合型血管瘤、海绵状血管瘤、淋巴管瘤及正常皮肤组织的ER、PR受体进行检测。全部标本经10%福尔马林固定，常规石蜡包埋。每例选一典型蜡块，4～6μm切片，进行免疫组化染色，高倍镜下每例肿瘤区内计数500个细胞，计数ER、PR阳性细胞百分率. 分析：问题的关键在于，原作者的观察单位并不是细胞本身，而是每一个病例标本，原作者关心的是四种疾病病例标本和一组正常人标本的ER、PR阳性细胞率之均值是否相同，从每一个病例标本中得到的是ER和PR阳性细胞率，是一具体的数值，因而应属于定量资料。如果仅从资料的表面现象（有“率”）进行判断，而不考虑每一个数值的实际含义，没有从资料的本质上进行判断，很容易判断错误。 统计分析:统计描述+统计推断 统计分析:统计描述+统计推断 2 检验统计量的含义 2 检验统计量的含义(续) 3 统计推断的理论依据 参数估计； 假设检验。 如何利用抽样误差规律进行统计推断 以均数的推断为例。已知 例4.1 25例 1 岁婴儿的血红蛋白， 均数为123.7(g/L)，标准差为11.9(g/L)。 估计1岁婴儿的血红蛋白的均数。 该地1岁婴儿的血红蛋白均数是否为140? t 值在(-2.064,2.064)之内的可能性为95％。 由此可见，可信区间与假设检验的原理相通，结论互补。 3 医学统计学思维 生物体的变异是普遍存在的，这种变异是有规律的； 抽样误差是不可避免的，抽样误差是有规律的； 统计推断是有风险的，这种风险是可以控制的。 3.1 如何理解生物体的变异是有规律的 任何观察指标都有其特定的分布规律； 任何观察指标都以平均数为中心，以一定的离散程度分布在平均数两侧； 样本含量越多，样本的分布就越稳定，越接近总体分布；均数、标准差、变异系数等统计指标越稳定。 3.2 变异规律有哪些用途 制定指标的容许区间、参考值范围； 估计观察指标某一范围内个体的比例； 评价观察结果的稳定性； 估计抽样误差。 3.3 如何理解抽样误差是不可避免的 由于个体变异的存在，抽样误差(在抽样研究中)是不可避免的； 样本统计量与总体参数的差别； 不同样本的统计量之间的差别。 3.4 如何理解抽样误差是有规律的 抽样误差与个体变异有关，个体变异越大，抽样误差越大，反之，越小； 抽样误差与样本含量有关，样本含量越大，抽样误差越小，反之，越大；样本含量接近总体数时，抽样误差逐渐消失。 不同的统计指标有其特定的抽样分布。 3.5 如何理解统计推断是有风险的 参数估计中，可信区间的可信度不是100%； 假设检验中，存在I型误差和II型误差。 因此，任何推断结论都不是绝对正确的。 统计推断的结论不能说“证明”,”肯定”。只能说“可以认为”，“推断为”，“尚不能认为“。 3.6 如何理解统计推断的风险是可以控制的 抽样误差可以通过增加样本含量加以控制； 参数估计中，可信度可以人为控制； 假设检验中，I型误差可以人为控制；II型误差可以通过增加样本含量或通过控制I型误差来加以控制。 控制不等于消除！ 一个例子 某药治疗高血压100例，治疗前后差值均数为8mmHg, s=20mmHg. 该药是否有降血压的作用。 结论？ 4 统计学结论与专业结论 统计学结论 专业结论 结论 ＋ ＋ ＋ － － － － ＋ 增加样本含量 ＋ － 改进实验 5 基本方法 参数估计 率、均数、Poisson平均计数 相关系数(pearson，秩相关) OR,RR 生存率 样本与总体