Permutation tests在生物医学研究中的应用以及在SAS中的实现.pdfVIP

维普资讯 中国卫生统计 2008年 2月第 25卷第 1期 · 方法介绍 · Permutationtests在生物医学研究中的应用以及在 SAS中的实现 华中科技大学 同济医学院公共卫生学院流行病学与卫生统计学系 (430030) 曾邦伟 陆 芳 蔡 强 黄 旭 尹 平△ 在生物医学研究中，我们经常会遇到一些样本含 计量 D 的确切理论抽样分布，即ExactPermutation 量小的数据，往往不满足经典的参数检验条件，若直接 Tests(EPT)。当样本含量的较大时，计算所有 的排列 应用参数检验方法。其检验效能较低。而若采用非参 组合将花费大量的时间，难以实现，因此在实际应用中 检验方法 (如秩和检验)，此时原始 的数据被转换成秩 一 般采取随机抽样的方式进行模拟。从而得到统计量 次，这就损失了一部分原始信息，相对而言，其检验效 的近 似 分 布。即 Randomized Permutation Tests 能依然有所下降。在这种情况下。可以考虑应用 Per— (RPT)。 mutationtests来进行统计推断。 以成组设计的两样本均数比较为例，其具体的步 骤如下 引【： 原理与方法 (1)建立假设检验。rio：1= 2；H1：1≠ 2；a= Permutationtests是一种基于大量计算的统计推 0．05(双侧检验)。 断方法。早在 20世纪 30年代，Fisher就 已经公布 了 (2)构造统计量。在本例中即为两组的样本差值 Permutationtests方法。但是 由于其运算量大。而未得 D 。 到足够的重视和应用 。而随着现代计算机性能的不断 (3)计算现有样本 x的统计量Dx= 1一 2。 提高，该方法完全可 以利用计算机的出色运算能力来 (4)在假设检验 成立的情况下，即两组的样本 实现，其应用前景也越来越广阔。 来 自同一个总体，对样本重新随机分组 (两组的样本含 由于 Permutationtests并不依赖于总体分布 1【】。 量不变)，得到新的样本x 。并计算新样本 x的统计量 而是基于样本本身，因此相对于其他经典 的参数检验 Dx— X 1一X 2。 方法有其特定的优势。有研究表 明，当样本含量较大 (5)重复步骤 (4)尼次，得到 尼个D 则在假设检 时。Permutationtests得到 的结果与经典 的参数检验 验 H0成立的情况下，P值为尼次模拟中的样本统计量 (如 t检验，F检验)近似。然而大部分的生物医学研 Dx，大于或等于现有样本统计量Dx的概率，即 P= 究是基于随机分组而不是随机抽样，并且一般样本含 量都 比较小，此时比较组间差异。Permutationtests要 P((IDxx，，I≥≥llDxxI))=： L 二 = 。。最最后后根根据据 优于 t检验和F检验 。并且其敏感性也高于秩和检 P值做出统计推断。 验 】。实际上，Pemrutationtests应用范 围远不止如 由于 SAS没有提供 Permutationtests的过程步， 此，还包括配对设计资料、分类资料、相关分析、生存分 笔者尝试编写宏程序来实现该统计方法。该宏提供参 析、ROC曲线比较、meta分析等等 】。 数 自定义模拟次数，若大于所有可能的排列组合数或 Pemrutationtests的原理是根据实际问题构造一