统计分析方法适用条件

统计分析方法适用条件统计学方法一直以来都是我们专业的必修课，也是我们的基本功，可是现在滥用方法的人很多，现在总结一些前人的资料供大家参考学习！1,连续性资料两组独立样本比较资料符合正态分布，且两组方差齐性，直接采用t检验。资料不符合正态分布，（1）可进行数据转换，如对数转换等，使之服从正态分布，然后对转换后的数据采用t检验；（2）采用非参数检验，如Wilcoxon检验。资料方差不齐，（1）采用Satterthwate的t'检验；（2）采用非参数检验，如Wilcoxon检验。两组配对样本的比较两组差值服从正态分布，采用配对t检验。两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。多组完全随机样本比较资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。资料不符合正态分布，或各组方差不齐，则采用非参数检验的Kruscal—Wallis法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然后用成组的Wilcoxon检验。多组随机区组样本比较资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值,然后用符号配对的Wilcoxon检验。****需要注意的问题：一般来说，如果是大样本，比如各组例数大于50,可以不作正态性检验，直接采用t检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作容易增大犯假阳性错误的概率。正确的做法应该是，先作总的各组间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。**绝不能对其中的两组直接采用t检验，这样即使得出结果也未必正确**关于常用的设计方法：多组资料尽管最终分析都是采用方差分析，但不同设计会有差别。常用的设计如完全随即设计，随机区组设计，析因设计，裂区设计，嵌套设计等。2.分类资料四格表资料例数大于40,且所有理论数大于5,则用普通的Pearson检验。例数大于40,所有理论数大于1,且至少一个理论数小于5,则用校正的检验或Fisher's确切概率法检验。例数小于40,或有理论数小于2,则用Fisher's确切概率法检验。2XC表或RX2表资料的统计分析列变量&行变量均为无序分类变量，则(1)例数大于40,且理论数小于5的格子数目总格子数目的25%,则用Fisher's确切概率法检验。列变量为效应指标，且为有序多分类变量，行变量为分组变量，用普通的Pearson检验只说明组间构成比不同，如要说明疗效，则可用行平均分差检验或成组的Wilcoxon秩和检验。列变量为效应指标，且为二分类变量，行变量为有序多分类变量，则可采用普通的Pearson检验比较各组之间有无差别，如果总的来说有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。RXC表资料的统计分析列变量&行变量均为无序分类变量，则(1)例数大于40,且理论数小于5的格子数目总格子数目的25%,则用Fisher's确切概率法检验。(3)如果要作相关性分析，可采用Pearson相关系数。列变量为效应指标，且为有序多分类变量，行变量为分组变量，用普通的Pearson检验只说明组间构成比不同，如要说明疗效或强弱程度的不同，则可用行平均分差检验或成组的Wilcoxon秩和检验或Ridit分析。列变量为效应指标，且为无序多分类变量，行变量为有序多分类变量，则可采用普通的Pearson检验比较各组之间有无差别，如果有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。列变量&行变量均为有序多分类变量，（1）如要做组间差别分析，则可用行平均分差检验或成组的Wilcoxon秩和检验或Ridit分析。如果总的来说有差别，还可进一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。（2）如果要做两变量之间的相关性，可采用Spearson相关分析。2.4配对分类资料的统计分析四格表配对资料，（1）b+c>40,则用McNema酒己对检验。（2）b+cCxc资料，（1）配对比较：用McNema酒己对检验。（2）一致性检验，用Kappa检验