科研论文写作常见的统计学问题.docVIP

科研论文写作常见的统计学问题 随着医学科研工作的深入，医学统计学的应用越来越广泛，下面是搜集的科研常见的统计学问题，供大家阅读参考。 论文中所用的统计方法应在最后交待清楚。使用不正确的统计方法会得出错误的结论，所以统计方法交待不清或根本不予交待，会使读者对论文结论的正确与否无法判断。有的 ___只提一句“经统计学处理”后就写出结论，有的甚至于直接用P值说明问题了事。正确的做法应写明具体的统计方法,如有特殊情况,还应说明是否采用了校正,这样才有说服力。严格地说,应写明精确的统计量值和P值,如t值、F值、χ2值等,不应笼统地以P0.05或P0.05代替。此外,最好能交待所使用的计算工具与统计软件名称。 每一种统计方法都有其适用条件。 在表示计量资料的平均水平时常用到平均数。然而平均数有算术平均数、几何均数和中位数,各有其应用条件。应用均数时,必须首先确定数据为正态分布。如果数据是偏态分布,仍用均数表示其平均水平势必导致错误的结论。对于偏态分布的数据,应该用几何均数或中位数表示其平均水平。 t检验要求样本正态总体,作两样本均数比较时还要求方差齐。如果不符合这些条件,则应考虑进行数据转换或用非参数检验;当两小样本均数比较方差不齐时,可采用t检验。例如临床研究中常涉及病人的病程,有的论文中病程5d至24年的平均水平和离散度为(311±613)年,这种标准差接近或大于均数的数据显然属于严重的正偏态,直接进行t检验,无疑是错误的。t检验不能用于三组或三组以上的组间比较,即使资料符合t检验的条件也是不行的。因为一则将原来的多组整体设计割裂,失去了总变异和总剩余误差,与原设计思想不符;二则损失了部分信息,降低了检验效率。 对于三组或三组以上组间的均数或分布的比较可以用以下方法: (1) 如果各样本正态总体,且方差齐,可用方差分析; (2) 如果各样本正态总体,但方差不齐,则可作数据转换,待方差齐后再用方差分析; (3) 如果各样本分布不清或分布不明,则可考虑用秩和检验。 在t检验中,把配对设计的资料作成组比较的t检验,是常见的失误之一。有的 ___误将配对数据分为两个独立的组,分别设计两组各自的均数,并按两组均数作成组比较的t检验。这样使原来只有差值之间的变异扩大为“两个样本”各自的变异,错误地增大了标准差和标准误差,同时样本含量也从原来的对子数变成了“两个样本”的例数之和。其结果大多使t检验所得P值增大,可导致差异从有统计学意义变为无统计学意义。 卡方检验中的计算公式较多,各有其适用条件,稍有不慎,即有误用的可能,应根据实验设计和资料性质进行正确选择。 常见的失误是: (1) 四格表资料,当140时,没有计算校正χ2值; (2) 四格表资料,当T1或n40时,没有选用四格表确切概率法; (3) 行×列表资料,由于例数太少,致理论频数太小,没有采有适当的处理方法,而是直接计算χ2值,导致分析的偏性。例如两组共计15例,就不宜用一般的卡方检验公式计算,应该使用确切概率法。 在作统计推断时,对样本例数有一定的要求,一般认为,样本例数太少,所得到的数值不稳定,不能轻易下结论。 统计学上,三组或以上的比较称为一揽子比较,在作这种比较时,应先将所有的组一起比较。在得出差别有统计学意义的基础上,再进一步作两两比较或多个处理与同一对照组比较。论文中常见的错误是将三组或以上组拆开分别作两两比较。正确的方法是:定量资料在方差分析P0.05后,再用Q检验或Dunt法作两两比较;定性变量在R×C表资料χ2检验P0.05后,再作χ2分割法分析。 对于有序分类资料(即等级资料)的统计处理,在比较各处理组的效应有无差别时,宜用秩和检验、Rid2it分析或交叉积差法及等级相关法,但有些 ___则误用卡方检验,此时作卡方检验只能说明各处理组的效应在构成比上有无差异。 对于“率”与“比”的概念不清,会导致将构成比误认为是发病率、患病率、死亡率。这三种率均为疾病统计指标,要做人群的流行病学调查才能得到。在临床疗效研究中,一般无法计算出这三种率。 相关分析是分析自变量x与因变量y的关系,医学领域里完全相关(相关系数r=1或-1)的事件极少。 有 ___将一组变量既作为自变量又作为因变量,r=1,认为有完全相关性,这说明对相关的概念还不十分清楚。不能把相关、回归关系直接看作因果关系。两事物间有数量关系,可能是因果关系,也可能不存在因果关系,而仅仅是伴随关系。 如果求得了两个变量间数量关系的回归方程式,或算出了r,在做结论之前,应先作统计检验;若P0.05,此回归方程并无实际意义。r的实际意义如何,还要看r绝对值的大小,因r的统计学检验,不论P值多么小,只