假设检验注意事项.ppt

统计学的思维 群体的观点 比较的观点 概率论的观点 发展的观点 生活中的统计思维 小概率事件是指在一次试验(抽样）中认为它不发生。 确定P值，作出统计推论 误差（error） 1、过失误差（错误） 2、系统误差 3、随机测量误差 4、抽样误差 由抽样所引起的，样本统计指标与总体统计指标之间，或者是样本统计指标与样本统计指标之间的差别。 准确度与可靠度 准确度(accuracy）也称真实性（validity） ：观察值与真值的接近程度，受系统误差的影响(常用指标：如灵敏度、特异度)。 可靠度（reliabiliy）—— 也称精密度(precision)或重复性（repeatability） ：重复观察时观察值与其均值的接近程度，受随机误差的影响（常用指标：一致百分率、Kappa值）。 假设检验应注意的问题 1.要有严密的研究设计； 2.应根据研究目的、设计类型和资料性质选用适当的检验方法； 3.正确理解“显著性”的含义； 4.假设检验的结论不能绝对化。 如何正确选用统计方法？ 第一层面看反应变量是单变量、双变量还是多变量； 第二层面看资料性质是计量资料、计数资料还是等级资料； 第三层面看因素是单因素、双因素还是多因素； 第四层面看样本是单样本、两样本还是多样本； 第五层面看样本设计是配对设计还是配伍设计； 第六层面看是否满足检验方法所需的前提条件。 计量（数值变量）资料统计分析方法 计数资料统计分析方法 等级资料统计分析方法 例子（1） 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？ 例子（2） 某药治疗高血压1000例，治疗前后差值均数为0.5mmHg, s=5mmHg. 该药是否有降血压的作用。 结论？ 误用x2检验分析等级资料 假设某医生用A、B两药治疗某病各240例，其疗效分为四个等级：痊愈、显效、好转、无效，见下表。经R×C表x2检验，x2=53.33，P0.01，认为两组疗效之间的差异有统计学意义 本资料属于单项有序的R×C表，临床疗效有等级之分，x2检验用于的R×C表只能相互独立的无序的资料。因为（R×C）x2检验只能检验两组内部构成是否相同或频数的分布是否相同。不能检验疗效有无差别。而实际上很难说哪一组疗效更好，读者对表资料任意两列数字进行对换，可以清楚地发现，x2值仍为53.33，不会有改变，因此，对于等级资料可采用Ridit分析或秩和检验。 相关系数的实际意义和P值 小树（X）和婴儿的身高（Y） r=0.998, P0.001 p16 基因表达与胃癌分级的关系 误用χ2 检验回答相关性问题　 1.有人研究p16基因表达与胃癌分级的相关性。采用R×C资料的χ2检验,χ2=80.125, P 0.05 ,认为p16基因与胃癌分级之间的相关性有统计学意义。 2.原作者旨在分析p16 基因表达与胃癌分级有无相关性,因此,应当采用Spearman 等级相关分析,计算等级相关系数rs =-0.757, P 0.01 (借助SPSS）。 相关系数的实际意义和P值 相关系数的实际意义和P值 统计推断的风险性和局限性 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”。 香肠的好坏主要取决于香肠里面的肉，肠衣只是它外表的装饰。如果肉质不好，肠衣再漂亮也无济于事。流行病学调查获得的数据就好象香肠里面的肉，如果数据不可靠，再新、再高深的统计学方法也不能将偏倚的结果纠正过来。 永远不要成为统计学的奴隶！ A 理想的正常人与糖尿病病人血糖分布 B 现实的正常人与糖尿病病人血糖分布 您可知道自己面临的是什么？ 十面埋伏 * * 假设检验的注意事项 拒绝H0，接受H1，差异有高度统计学意义 ≤0.01 ≥t0.01(v) 拒绝H0，接受H1，差异有统计学意义 ≤0.05 ≥t0.05(v) 不拒绝H0，差异无统计学意义 ＞0.05 ＜t0.05(v) 统计推断结论 P值 t值 P值的含义是指从H0所规定的总体中作随机抽样，获得等于及大于（或等于及小于）现有样本获得的检验统计量的概率。 医学科研工作者误用和滥用统计学的原因 缺乏统计指导 长期习惯 不重视科研统计分析 统计学意识较差 仿效现象 （1）良好地设计 （2）有计划地收集资料 （3）合理地整理资料 （4）正确地分析资料 统计工作的基本步