1、医学统计学复习医学统计学复习医学统计学学习的内容；正态性检验，t检验，方差分析，卡方检验，非参数检验，pearson相关，spearman相关，双变量回归，多元变量的线性回归，主成分分析等。其中t检验包括单个样本的t检验,两个独立样本的t检验,两个配对样本的t检验。非参数检验主要用的是wilcoxon配对样本的wilcoxon符号秩检验，两个独立样本wilcoxon秩和检验和K-W 检验（用来代替方差分析）得到一批数据首先对其进行正态性检如果符合正太性，可以考虑使用t检验，卡方检验；如果不满足正态性，则考虑使用非参数检验T检验与方差分析的区别是t检验用于两组数据的比较，而方差分析用于三组或者更
2、多数据的比较。1、正态性检验：分析描述统计探索将数据放入因变量列表绘图中选择带检验的正态图读取结果：样本数100读K-S一栏，若sig值（显著性）0.05说明数据分布呈正态性，反之则不成正态分布；样本数100读S-W一栏，若sig值（显著性）0.05说明数据分布呈正态性，反之则不成正态分布。2、当数据满足正态分布时，单个样本的t检验：分析比较均值单个样本的t检验将数据放入检验变量，同时将整体均数放入检验值中结果读取：读t值和显著性值，若sig值0.05说明该样本均数与总体均数无差异，反之说明有差异。3、当数据满足正态分布时，两个配对样本的t检验：分析比较均值配对样本的t检验将两组数据分别放入v
3、ariable中读取结果：读t值和sig值，若sig0.05说明两组数据均值无差异，反之说明有差异。4、当数据满足正态分布时，两个独立样本的t检验：分析比较均值独立样本的t检验把数据放入检验变量，把group放入分组变量，并定义组读取结果：先看方差齐性检验，若sig值0.05说明方差齐，看第一行的t值和sig值，若sig0.05说明两组均数无差异，反之有差异。当方差不齐时看第二行的t值（即t值）和sig值，若sig0.05说明两组均数无差异，反之有差异。5、当数据满足正态分布时，方差分析：分析比较均值单因素方差分析将数据放入因变量列表，将group放入因子列表，同时在选项中选择方差同质性检验读
4、取结果，先看levene检验的结果，若sig值0.05说明方差齐，然后读F值和sig值，若sig值0.05说明所选几组数据间无差异；反之，说明这几组数据有差异，接着：分析比较均值单因素方差分析将数据放入因变量列表，将group放入因子列表，同时选取事后多重比较中的LSD-t检验读取结果，从sig0.05与否判断哪些组之间有差异。若方差不齐，则无法用单因素方差分析。6、当数据满足不正态分布时，wilcoxon带符号秩检验：分析非参数检验旧对话框：2个相关样本检验将数据分别放入variable中读取结果：读Z值和sig值，若sig值0.05说明两组数据无差异，反之则有差异。7、当数据满足不正态分布
5、时，wilcoxon秩和检验：分析非参数检验旧对话框，2个独立样本t检验将数据放入检验变量，将group放入分组变量，并定义组结果读取Z值和sig值，若sig0.05说明有无差异，反之则有差异。8、当数据满足不正态分布时，K-W H检验：分析非参数检验旧对话框，k个独立样本将数据放入检验量列表，将group放到分组变量，并定义组读取卡方和sig值，若sig值0.05说明无差异，反之则有差异。9、卡方检验用于配对计数资料的比较：（1）数据加权个案选择加权个案，将频数放入频率变量；（2）分析描述统计交叉表格依次将数据放入行列中（行为重点）在统计量中选择卡方结果读取，读pearson卡方和sig值，
6、若sig0.05说明无差异，反之有差异。10、pearson相关（适用于计量资料）：分析相关双变量把数据放入变量读取结果：看pearson相关性和sig值，若sig0.05说明两者不相关，反之则说明相关。11、sperman秩相关（适用于构成比、死亡率、group变量）：分析相关双变量将数据放入变量，同时选取sperman相关读取结果，看sperman相关系数和sig值，若sig值0.05说明两组数据不相关，反之说明相关。12、二元线性回归：分析回归线性将y放入因变量列表，将x放入自变量列表读取结果（从后往前读）：先得到回归方程；ANOVA的sig值必须小于0.05，说明回归成的存在，ANOV
7、A值反映出回归方程的稳定性，模型汇总R2反应了回归方程的准确性，R2反应回归贡献度的相对程度，也就是在总变异中回归系数所能解释的百分比13、多元线性回归：主要是比较向前与向后的差别分析回归线性将y放入因变量列表，将x1、x2、x3放入自变量列表结果读取：从后向前读，首先写出回归方程，接着看ANOVA的值，看模型汇总的值，看自变量的个数。决定选择向前还是向后方法主要考虑的内容为：自变量的个数、稳定性ANOVA、准确性R2、回归方程中单个变量。14、主成分分析：分析降维因子分析将x1、x2、x3放入变量列表，选择得分中的保存变量读取结果：看在数据中新增加的变量，按升序或降序排列即可知道那个因子的影
8、响比较大15、非条件的logistic分析：一、两组或多组计量资料的比较 1.两组资料：1)大样本资料或服从正态分布的小样本资料(1)若方差齐性，则作成组t检验(2)若方差不齐，则作t检验或用成组的Wilcoxon秩和检验2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验2.多组资料：1)若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。2)如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验。如果Kruskal
9、Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。二、分类资料的统计分析 1.单样本资料与总体比较1)二分类资料：(1)小样本时：用二项分布进行确切概率法检验；(2)大样本时：用U检验。2)多分类资料：用Pearson c2检验（又称拟合优度检验）。2. 四格表资料1)n40并且所以理论数大于5，则用Pearson c22)n40并且所以理论数大于1并且至少存在一个理论数5，则用校正c2或用Fishers 确切概率法检验3)n40或存在理论数40并且理论数小于5的格子数行列表中格
10、子总数的25%，则用Fishers 确切概率法检验4. RC表资料的统计分析1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH c2或Kruskal Wallis的秩和检验2)列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作none zero correlation analysis的CMH c23)列变量和行变量均为有序多分类变量，可以作Spearman相关分析4)列变量和行变量均为无序多分类变量，(1)n40并且理论数小于5的格子数行列表中格子总数的25%，则用Fishers 确切概率法检验三、Poisson分布资料 1.单样本资料与总体比较：1)观察
11、值较小时：用确切概率法进行检验。2)观察值较大时：用正态近似的U检验。2.两个样本比较：用正态近似的U检验。配对设计或随机区组设计四、两组或多组计量资料的比较1.两组资料：1)大样本资料或配对差值服从正态分布的小样本资料，作配对t检验2)小样本并且差值呈偏态分布资料，则用Wilcoxon的符号配对秩检验2.多组资料：1)若大样本资料或残差服从正态分布，并且方差齐性，则作随机区组的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。2)如果小样本时，差值呈偏态分布资料或方差不齐，则作Fredman的统计检验
12、。如果Fredman的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用Wilcoxon的符号配对秩检验，但用Bonferroni方法校正P值等）进行两两比较。五、分类资料的统计分析 1.四格表资料1)b+c40，则用McNemar配对c2检验或配对边际c2检验2)b+c40，则用二项分布确切概率法检验2.CC表资料：1)配对比较：用McNemar配对c2检验或配对边际c2检验2)一致性问题（Agreement）：用Kap检验变量之间的关联性分析六、两个变量之间的关联性分析1.两个变量均为连续型变量1)小样本并且两个变量服从双正态分布，则用Pearson相关系数做统计分析2)大
13、样本或两个变量不服从双正态分布，则用Spearman相关系数进行统计分析2.两个变量均为有序分类变量，可以用Spearman相关系数进行统计分析3.一个变量为有序分类变量，另一个变量为连续型变量，可以用Spearman相关系数进行统计分析七、回归分析 1.直线回归：如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变量无趋势变化，则直线回归（单个自变量的线性回归，称为简单回归），否则应作适当的变换，使其满足上述条件。2.多重线性回归：应变量（Y）为连续型变量（即计量资料），自变量（X1，X2，Xp）可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布（大样
14、本时无需正态性），残差与自变量无趋势变化，可以作多重线性回归。1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用3.二分类的Logistic回归：应变量为二分类变量，自变量（X1，X2，Xp）可以为连续型变量、有序分类变量或二分类变量。1)非配对的情况：用非条件Logistic回归(1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结
15、果的混杂作用2)配对的情况：用条件Logistic回归(1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素(2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用4.有序多分类有序的Logistic回归：应变量为有序多分类变量，自变量（X1，X2，Xp）可以为连续型变量、有序分类变量或二分类变量。1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用5.无序多分类有序的Logistic回归：应变量为无序多分类变量，自变量（X1，X2，Xp）可以为连续型变量、有序分类变量或二分类变量。1)观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素2)实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
