数据统计方法选择.docVIP

数据分析的统计方法选择小结 完全随机分组设计的资料 两组或多组计量资料的比较 两组资料： 大样本资料或服从正态分布的小样本资料 若方差齐性，则作成组t检验 若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验 小样本偏态分布资料，则用成组的Wilcoxon秩和检验 多组资料： 若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。 如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验。如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。 分类资料的统计分析 单样本资料与总体比较 二分类资料： 小样本时：用二项分布进行确切概率法检验； 大样本时：用U检验。 多分类资料：用Pearson ?2检验（又称拟合优度检验）。 四格表资料 n40并且所以理论数大于5，则用Pearson ?2 n40并且所以理论数大于1并且至少存在一个理论数5，则用校正 ?2或用Fisher’s 确切概率法检验 n?40或存在理论数1，则用Fisher’s 检验 2×C表资料的统计分析 列变量为效应指标，并且为有序多分类变量，行变量为二分类变量，则行评分的CMH ?2或成组的Wilcoxon秩和检验 列变量为效应指标并且为二分类，行变量为有序多分类变量，则用趋势?2检验 行变量和列变量均为无序分类变量 n40并且理论数小于5的格子数行列表中格子总数的25%，则用Pearson ?2 n?40或理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s 确切概率法检验 R×C表资料的统计分析 列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH ?2或Kruskal Wallis的秩和检验 列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作none zero correlation analysis的CMH ?2 列变量和行变量均为有序多分类变量，可以作Spearman相关分析 列变量和行变量均为无序多分类变量， n40并且理论数小于5的格子数行列表中格子总数的25%，则用Pearson ?2 n?40或理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s 确切概率法检验 Poisson分布资料 单样本资料与总体比较： 观察值较小时：用确切概率法进行检验。 观察值较大时：用正态近似的U检验。 两个样本比较：用正态近似的U检验。 配对设计或随机区组设计 两组或多组计量资料的比较 两组资料： 大样本资料或配对差值服从正态分布的小样本资料，作配对t检验 小样本并且差值呈偏态分布资料，则用Wilcoxon的符号配对秩检验 多组资料： 若大样本资料或残差服从正态分布，并且方差齐性，则作随机区组的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。 如果小样本时，差值呈偏态分布资料或方差不齐，则作非参数Fredman的统计检验。如果Fredman的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用Wilcoxon的符号配对秩检验，但用Bonferroni方法校正P值等）进行两两比较。 分类资料的统计分析 四格表资料 b+c40，则用McNemar配对 ?2检验或配对边际?2检验 b+c?40，则用二项分布确切概率法检验 C×C表资料： 配对比较：用McNemar配对 ?2检验或配对边际?2检验 一致性问题（Agreement）：用Kappa检验 变量之间的关联性分析 两个变量之间的关联性分析 两个变量均为连续型变量 小样本并且两个变量服从双正态分布，则用Pearson相关系数做统计分析 两个变量不服从双正态分布，则用Spearman相关系数进行统计分析 两个变量均为有序分类变量，可以用Spearman相关系数进行统计分析 一个变量为有序分类变量，另一个变量为连续型变量，可以用Spearman相关系数进行统计分析 回归分析 直线回归：如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，则直线回归（单个自变量的线性回归，称为简单回归），否则应作适当的变换，使其满足上述条件。 多变量（重）线性回归：应变量（Y）为连续型变量（即计量资料），自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势