统计学傻瓜指南！.pptVIP

统计学傻瓜指南！ Dr. Hamda Qotba, B.Med.Sc, M.D, ABCM 翻译：acred（DXY） 定义 参数检验与非参数检验 参数检验：需要知道样本统计量的分布才能作出决断 非参数检验：不需要知道样本统计量的分布就可以作出决断 t-检验 在样本中比较连续变量的平均数，以检验两个均值之间的差异是否大于能被机遇所解释的差异 应用条件 观测值（变量）相互独立 从正态分布的总体中抽样得到 样本量30；如果30，则使用正态曲线的z检验（二项检验，binomial test） t-检验的类型 单样本t检验：某个变量的样本均数与给定总体的已知均数相比，其差异是否有意义 非配对或独立t检验：检验由两个独立样本估计的总体均数之间的差异是否有意义（如男性群体和女性群体） 配对t检验：检验由相关样本估计的总体均数之间的差异是否有意义（如给同一组病人施加处理前后，测量值的均数） χ2检验 用来检验定性变量间关联的强度 用于分类数据 应用条件 数据应以频数的形式呈现 被观察的病例总数应大于20 任一类别或单元格内的理论频数应5（当任一单元格观测频数5：yate’s 校正）或（当任一单元格理论频数5：fisher精确概率） 相比较的组别应大致相似 相关与回归 研究两个或两个以上变量之间关联的强度以及函数关系的方法 相关 指明变量间关联的强度 回归 揭示一个因变量与一个或多个自变量间数学关系的方法 简单线性回归和多重回归适用于连续变量如血压、体重 Logistic回归适用于二值响应，如生/死 测量值 若为参数 Pearson相关系数 连续变量 线性关系 若为非参数 Spearman等级相关 两个均为连续变量 Kendall等级相关 (Kendall’s τ) 两个均为有序变量或一个有序另一个连续 方差分析（ANOVA） 用来揭示作用于一个因变量的几个分类自变量（称为因素）的主效应和交互效应 方差分析的类型 单因素方差分析(One-way ANOVA)：检验一个因变量在一个分类自变量两组、三组或多组类别间的差异 两因素方差分析(Two-way ANOVA)：分析一个因变量在两个自变量所形成的组间的差异，其中一个自变量可看作处理变量 多因素方差分析*(n-way ANOVA)：简言之，多因素方差分析处理多个自变量。应当注意，自变量的个数越多，可能的交互作用的数量也随之增多 如何选择恰当的统计检验方法 变量类型 定量的（血压） 定性的（性别） 所研究问题的类型 关联 比较 危险因素 数据的构成 独立的 配对的 匹配的 所研究的中心问题两变量（因变量，自变量）之间的联系 变量间比较（差异） 寻找危险因素 * 统计学是搜集、整理、 总结、分析数据以及 依据数据进行推断的科学 统计描述，包括搜集数据、整理数据、总结数据、分析数据以及将数据呈现出来 统计推断，包括进行推测、假设检验、确定关系然后作出预测 变量 定量的(Quantitative) 离散的(Discrete) 连续的(Continuous) 定性的(Qualitative) 有序的(Ordinal) 分类的(Categorical) 均值有差异，概率是多少？ r=+1 r=-1 r=0 曲线 自变量 因变量 Spearman相关 线性回归 定量 定量 2个结局：T检验 3个以上结局：方差分析 分类 定量 Logistic回归 定量 分类 χ2 分类 分类 检验方法 变量类型 2组 配对数据 2组 χ2 McNemar χ2 * 分类 Kruskal-wallis Wilcoxon Mann-Whitney 有序 方差分析 配对T检验 T检验 定量 自变量的个数 变量 *有1个单元格理论频数5，用fisher精确概率法 有1个单元格观测频数5，用yate’s校正 * * * 统计学包括两个方面：统计描述和统计推断。 定量数据(Quantitative data)：值为数字 定性数据(Qualitative data)：可依据某种特征或属性将数据区分为明显的类别 离散的(Discrete)：取值可以计数，例如有多少个兄弟 连续的(Continues)：可取任意给定两个值之间的所有值，例如体温（你的体温可以是36.7，但你不可能有2.5个兄弟） 有序的(Ordinal)：按照从好到坏的顺序排列，但数据不能用连续的尺度来测量，如医学状态（轻、中、重） 分类的(Continues)：没有测量尺度，例如血型（A, B, AB, O） Predictor = independent (自变量) Outcome = dependent (因变量) （*译者注）原作multivariate or n-way ANOVA，multivariate ANOVA 实为