临床科研中正确选择统计学方法讲稿.ppt

临床科研中正确抉择统计学方法 一、四个因素熟悉和掌握下述四个因素是正确进行统计分析的基础 （一）分析目的 统计描述 统计指标、统计图或统计表 均数、标准差、率、构成比 统计推断（参数估计、假设检验） 相关分析 以相关系数来衡量各因素间的密切程度和方向 回归分析 研究某因素与另一因素的依存关系 （二）资料类型 数值变量资料－计量资料 无序分类变量资料－计数资料 有序分类变量资料－等级资料 注意：不宜将定量资料转化为分类资料 （三）设计方法 每一种科研设计方法都有与之相适应的统计方法 成组设计t检验 配对t检验 条件Logistic回归 非条件Logistic回归 （四）数理统计条件 数理统计与概率论是统计的理论基础 只有当某个或某些条件满足时，某个数理统计统计公式才成立 涉及最多是数据分布特征 其次方差齐性 理论数大小 二、数据资料的描述 （一）数值变量资料的描述 描述集中趋势的指标，用以反映一组数据的平均水平 描述离散程度的指标，用以反映一组数据的变异大小 （两类指标的联合应用才能全面描述一组数值变量的基本特征） 描述数值变量资料的常用指标 均数与标准差联合使用描述正态分布或近似正态分布资料的基本特征 中位数与四分位数间距联合使用描述偏态分布或未知分布资料的基本特征 最为常见的错误是不考虑这些指标的适用范围和条件的滥用 （二）分类变量资料的描述 以比代率，即误将构成比（proportion）当作率（rate）来描述某病发生的强度和频率 把各种不同的率相混淆，如把患病率与发病率、死亡率与病死率等概念混同 描述分类变量资料的常用指标 三、数据资料的比较 （一）假设检验的基本思想 样本数据间的不同有两种原因所致 样本来自同一总体，样本指标间的不同是由于抽样误差所引起 样本分别来自不同的总体，其样本指标间的不同是由于来源于不同的总体所致 假设检验是反证法原理的统计应用 假设两个样本均数可能来源于同一总体，然后计算出在此假设下的某个统计量的大小，当这个统计量在其分布中的概率较小时（如p≤0.05）我们就拒绝其假设，而接受其对立假设，认为两样本分别来自不同的总体。 （二）假设检验的基本步骤 建立检验假设（三个内容） 无效假设（null hypothesis）H0 备择假设（alternative hypothesis）H1 检验水准（size of test）α 计算统计量 根据统计量的值来得到概率（p）值；再按概率值的大小得出结论 （三）假设检验的注意事项 前提 研究者需要通过样本的信息去推断总体的结论 各样本资料对其总体应具有良好的代表性 假设检验的概率大小与结论的关系 当p≤ α时，概率越小，越有理由拒绝H0假设（无差别的假设），即拒绝H0假设的可信程度就越大 注意：当p≤ α时，不能说“概率越小，组间的差别就越大” 假设检验的结论不能绝对化 在作出结论时，要避免使用绝对的或肯定的语句 当p≤ α时，只要p≠0，我们无法完全拒绝无差别的假设，即不能肯定各总体间有差别 当p＞ α时，只要p≠1，我们无法完全接受无差别的假设，即不能肯定各总体间无差别 两组与多组比较 两组比较：t检验、u检验、两组秩和检验、四格表和较正四格表的X2检验等 多组比较：方差分析、多组秩和检验、行乘列X2检验等（也可用于两组比较） 注意：错误使用两组比较的方法代替多组比较的情况并不少见，如，三个均数比较用三个t检验、四个t检验 假设检验结论的两类错误 当p≤ α时，做出“拒绝其无差别的假设，可认为各总体间有差别”的结论时就有可能犯错误，这类错误称为第一类错误（typeⅠ error）其犯错误的概率用α 表示，若α取0.05，此时犯Ⅰ型错误的概率≤0.05，若假设检验的p值比0.05越小，犯第一类错误的概率就越小。 当p＞ α时，做出“不拒绝其无差别的假设，还不能认为各总体间有差别”的结论时就有可能犯第二类错误（type Ⅱ）其犯错误的概率用β表示，通常β为未知数，但假设检验p值越大，犯第二类错误的概率就越小 注意：当认为干预有负影响时，应使用双侧检验法。除非你有非常可信的证据证明这种差异仅在一个方向存在，否则，你需要用双侧检验法。 （四）常用的假设检验方法 计量资料的假设检验 计数资料的假设检验 等级资料的假设检验 1、常用计量资料的假设检验 统计学处理方法的选择 单个自变量资料的统计学分析方法 自变量 因变量 统计方法 属性 属性 卡方 (χ2) 检验 二分 (属性) 数值 t-检验 多分 (属性) 数值