常用统计讲解材料.ppt

Kappa一致性检验 Kappa检验会利用列联表的全部信息，而McNemar检验只会利用非主对角线单元格上的信息。因此，对于一致性较好，即绝大多数数据都在主对角线的大样本列联表，McNemar检验可能会失去使用价值 某食堂食物中毒，现想通过调查发现，吃某海产品和食物中毒发生是否具有关联性，以及吃了某食物的人是没吃海产品的人的几倍？ OR可以度量关联程度 RR vs. OR RR: 实验组人群反应阳性概率与对照组人群反应概率的比值。用于反映试验因素与反应阳性的关联程度。 OR：是比值的比，是反映阳性人群中试验因素有无的比例与反应阴性人群中试验因素有无的比例之比。在下列两个条件均满足时，可用于估计RR值： 所关注的事件发生概率比较小0.1； 所设计的研究是病例对照研究 为研究某镇痛药的不同剂量镇痛效果是否有差别，研究人员在自愿的原则下，将条件相似的53名产妇随机分成3组，分别按三种不同剂量服用该药，镇痛效果如下表。 关于多个独立样本率多重比较 若要明确那两组间不同，还需进一步作多组间的两两比较。 3个处理组，两两比较有3种，这样增大了I类错误的机会，须修正检验水准。例如原来检验水准α=0.05，比较3次，检验水准应取α=0.05/3=0.0167 相关分析 连续变量的相关指标（最常见） Pearson相关系数：定量描述线性相关程度好坏的常用指标，只适用于两变量呈线性相关时 相关系数r是一个无单位的量值-1r1 r0为正相关，r0为负相关 lrl越接近于1，相关性越好，越接近于0，相关性越差 Spearman等级相关系数：当数据不满足条件双变量正态时 相关分析 例 某医院研究某种代乳粉的营养价值是用大白鼠做试验，得大鼠进食量和体重增量间的关系的原始数据如下，试分析两者有无直接相关关系。 均数两两比较方法 LSD法：最灵敏，会犯假阳性错误 Sidak法：比LSD法保守 Bonferroni法：比Sidak法更保守 Scheffe法：组间样本含量不等时 Dunnet法：多个实验组与一个对照组比较 S-N-K法：寻找同质亚组的方法 Turkey法：最迟钝，要求各组样本含量相同 Duncan法：与Sidak法类似 若在研究设计阶段，就计划好了第1组和第2组，第2组和第3组的比较，可以使用主对话框中的“对比”按钮实现 参数统计方法往往假设统计总体的分布形态已知，但是在更多的实际场合，常常由于缺乏足够信息，无法合理地去假设一个总体具有某种分布形式，此时就不能使用相应的参数方法了。 非参数检验 两个配对样本的非参数检验 两个独立样本的非参数检验 多个独立样本的非参数检验 多个相关样本的非参数检验 非参数检验 稳健性。因为对总体分布的约束条件大大放宽，不至于因为对统计中的假设过分理想化而无法切合实际情况，从而对个别偏离较大的数据不至于太敏感 对数据的测量尺度无约束，对数据的要求也不严格，什么数据类型都可以做 适合于小样本、无分布样本、数据污染样本、混杂样本等 Wilcoxon：用于连续变量 Sign：适用于对无法用数字计量的情况进行比较，如两分类，对于连续资料最好不要使用 McNemar：配对卡方检验，只适用于二分类资料 Marginal Homogeneity：McNemar法想多分类情形下的扩散，适用于资料为有序分类情况 两个配对样本的非参数检验 多个独立样本的非参数检验 14名新生儿出生体重按其母亲的吸烟习惯分组（A组：每日吸烟多于20支；B组：每日吸烟少于20支；C组：过去吸烟而现已戒烟；D组：从不吸烟），具体如下。试问四个吸烟组出生体重分布是否相同？ A组：2.7 2.4 2.2 3.4 B组：2.9 3.2 3.2 C组：3.3 3.6 3.4 3.4 D组：3.5 3.6 3.7 Kruskal-Wallis H检验：k大于等于3个独立随机连续分布样本的比较，而正态性假设及等方差假设存在问题时，它可以进行总体是否相同的检验 Jonckhere-Terpstra：对连续性资料或有序分类资料都适用，并当分组变量为有序分类资料时，此法的简要效能要高于Kruskal-Wallis法 多个相关样本的非参数检验 研究酵解作用对血糖浓度的影响，从8名健康人中抽取血液并制备血滤液，每一个受试者的血液又分成4份，再随机把4份血滤液分别放置0、45、90、135分钟，然后测定其中血糖浓度，试比较不同放置时间的血糖浓度（mmol/L）是否不同。 Friedman：常用的多个配伍样本的非参数检验 Kendall’s W：可进一步给出一致性程度 Cochran’s Q：是两配对样本McNemar方法的推广，只适合二分类变量 在医学研究中，尤其在临床试验中，每个观察对象记录的观察结果通常有多个反应变量。例如，血压记录