医学统计常用方法.pptx

医学统计常用方法汇报人：XXX2024-01-26

描述性统计方法推论性统计方法回归分析及其应用方差分析与协方差分析诊断试验评价与筛检试验设计多重线性回归模型与Logistic回归模型比较contents目录

描述性统计方法01

频数分布与直方图频数分布表用于展示各组数据出现的频数，便于了解数据的分布规律。直方图以矩形面积表示各组频数的图形，直观展示数据分布情况。组数选择分组过少可能导致信息损失，分组过多则可能增加数据分布的随机性，通常选择5-15组为宜。

适用于对称分布，特别是正态分布的资料。算术均数适用于反映一组经对数转换后呈对称分布的变量在数量上的平均水平，在医学研究中常用于免疫学的指标。几何均数适用于各种分布类型，尤其适用于偏态分布资料和一端或两端无确切数值的资料。中位数集中趋势指标

03方差与标准差衡量数据波动大小的常用指标，方差是各数据与均数之差的平方和的平均数，标准差是方差的算术平方根。01极差最大值与最小值之差，反映数据的波动范围。02四分位数间距上四分位数与下四分位数之差，反映中间50%数据的离散程度。离散程度指标

对称性通过偏态系数判断数据分布是否对称，偏态系数等于0表示对称分布，偏态系数不等于0表示偏态分布。峰度通过峰度系数判断数据分布形态的尖锐程度，峰度系数等于0表示正态分布，峰度系数大于0表示尖峰分布，峰度系数小于0表示平峰分布。数据分布形态描述

推论性统计方法02

用样本统计量直接估计总体参数，如样本均数估计总体均数。根据样本统计量和抽样分布，估计总体参数所在的范围，并给出一定的置信水平。参数估计区间估计点估计

01建立假设根据研究目的和专业知识，提出原假设和备择假设。02确定检验水准根据研究的重要性和可行性，确定合适的检验水准，如α=0.05。03选择检验方法根据数据类型和研究设计，选择合适的检验方法。04计算检验统计量根据样本数据计算检验统计量。05确定P值根据检验统计量和抽样分布，计算P值。06作出推断结论根据P值和检验水准，作出接受或拒绝原假设的推断结论。假设检验基本原理

t检验与方差分析t检验适用于计量资料两组间均数的比较，包括单样本t检验、配对样本t检验和独立样本t检验。方差分析适用于计量资料多组间均数的比较，包括单因素方差分析、多因素方差分析和协方差分析等。

非参数检验方法适用于等级资料或不满足参数检验条件的计量资料，包括Wilcoxon符号秩和检验、Mann-WhitneyU检验和Kruskal-WallisH检验等。卡方检验适用于计数资料两组或多组间率的比较，包括四格表卡方检验、R×C列联表卡方检验等。Fisher确切概率法适用于小样本或不满足卡方检验条件的计数资料两组间率的比较。秩和检验

回归分析及其应用03

建模过程通过最小二乘法等方法拟合一条直线，使得这条直线能最好地代表自变量和因变量之间的关系。假设检验对回归系数进行假设检验，判断自变量对因变量的影响是否显著。定义一元线性回归是一种统计分析方法，用于研究两个变量之间的线性关系，其中一个变量是自变量，另一个是因变量。一元线性回归分析

123多元线性回归是一种用于研究多个自变量与一个因变量之间线性关系的统计分析方法。定义通过最小二乘法等方法拟合一个多元线性回归方程，描述多个自变量与因变量之间的关系。建模过程在多元线性回归分析中，需要对自变量进行筛选，选择对因变量有显著影响的自变量进入模型。变量筛选多元线性回归分析

定义Logistic回归是一种用于研究二分类因变量与一个或多个自变量之间关系的统计分析方法。建模过程通过最大似然估计等方法拟合一个Logistic回归模型，描述自变量与二分类因变量之间的关系。模型评估采用似然比检验、Hosmer-Lemeshow检验等方法对Logistic回归模型进行评估。Logistic回归分析

定义01生存分析是一种用于研究生存时间及其相关因素的统计分析方法，Cox比例风险模型是生存分析中的一种常用模型。建模过程02通过Cox比例风险模型拟合生存数据，描述生存时间与多个协变量之间的关系。模型评估03采用似然比检验、Wald检验等方法对Cox比例风险模型进行评估。同时，可以通过绘制生存曲线、风险函数图等图形对模型进行可视化展示。生存分析与Cox比例风险模型

方差分析与协方差分析04

单因素方差分析是用于研究一个控制变量的不同水平是否对观察变量产生了显著影响。概念各总体应服从正态分布，且各总体的方差相等。前提条件通过分析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。基本思想单因素方差分析

多因素方差分析是研究两个及两个以上控制变量是否对观测变量产生显著影响。概念观测变量是连续的，控制变量是分类的。前提条件将观测变量的总变异按照其变异的来源进行分解，通过计算