如何选用统计学方法PPT幻灯片

原始数据的记录形式

原始数据的记录形式

原始数据中，变量分为标识变量和分析变量两种。1.标识变量主要用于数据管理，包括数据的核对与增删等，是研究记录中不可缺少的内容，如上表中的“病人编号”和“病案号”即为标识变量。2.分析变量则是数据分析的主要内容，上表中除上述2个标识变量外，其它9个变量均为分析变量。分析变量又被分为反应变量(responsevariable)和解释变量(explanatoryvariable)。反应变量是表示试验效应或观察结果大小的变量或指标。解释变量又称指示变量(indicator)、分组变量(groupingvariable)、分类变量(categoricalvariable)、协变量等。根据研究目的以及变量间的相互关系，各变量的作用并非一成不变。

原始数据的录入

在进行统计分析前，原始数据需录入计算机。录入的文件类型大致有：1.数据库文件，如dBASE、FoxBASE、Lotus、EPIinfo等；Excel文件；2.文本文件，如word文件、WPS文件等；3.统计应用软件的相应文件，如SPSS数据文件、SAS数据文件、STATA数据文件等。目前，上述文件类型绝大多数都可以相互转换。录入数据时，应遵循便于录入，便于核查，便于转换，便于分析的原则。便于录入是指尽可能地减少录入工作量，例如，下图是前表原始数据录入为SPSS数据文件（数据.sav）的形式，录入时，用数值变量取代了字符变量（如图中的“性别”，“肾毒性”，“黄疸”，“昏迷”），可以大大节约录入的时间和费用。(如将性别标记为1=“男”，0=“女”)。数据处理中的几个基本问题2．离群数据的处理当个别数据与群体数据严重偏离时，被称为离群数据(outlier)或极端数据（extremevalue）。统计软件一般都有判断离群数据的方法。判断离群数据有多种方法，例如，SPSS软件对其的定义为：观察值距箱式图(boxplot)的箱体底线（第25百分位数）或顶线（第75百分位数）的距离为箱体高度（四分位数间距）的1.5倍至3倍时被视为离群点；观察值距箱体底线或顶线的距离超过3倍的箱体高度时被视为极端值。

若有离群数据出现，可分为两种情况处理：一种是，如果确认数据有逻辑错误，又无法纠正，可直接删除该数据。例如，若某一数据中某病例的身高变量为“1755”cm，且原始记录亦如此，又无法再找到该病例时，显然这是一个错误的记录，只能删除。另一种是，若数据并无明显的逻辑错误，可将该数据剔除前后各做一次分析，若结果不矛盾，则不剔除；若结果矛盾，并需要剔除，必须给以充分合理的解释，例如用何种方法确定偏离数据，该数据在实验中何种干扰下产生等。数据处理中的几个基本问题3．统计方法前提条件的检验：应用参数方法进行假设检验往往要求数据满足某些前提条件，如两个独立样本比较t检验或多个独立样本比较的方差分析，均要求方差齐性，因此需要做方差齐性检验。如果要用正态分布法估计参考值范围，首先要检验资料是否服从正态分布。在建立各种多重回归方程时，常需检验变量间的多重共线性和残差分布的正态性。

统计方法选择的基本思路

数据处理中，正确选择统计方法至关重要。选择统计方法可以沿着以下思路进行。第一个层面，看反应变量是单变量、双变量还是多变量。对于前者，第二个层面看属于三种资料类型中的哪一种；第三个层面看单因素还是多因素；第四个层面看单样本、两样本或多样本；第五个层面看是否是配对或配伍设计；第六个层面看是否满足检验方法所需的前提条件。

单变量计量资料的分析

1．样本均数与总体均数比较分析思路为：反应变量为单变量→计量资料→单因素→样本均数与总体均数比较→如果服从正态分布，选用样本均数与总体均数比较的t检验(one-samplet-test)；如果不服从正态分布，则考虑用非参数检验方法。2．两个相关样本均数的比较分析思路为：反应变量为单变量→计量资料→单因素→两个相关样本均数比较（因为是配对设计）。如果差值服从正态分布，选用配对t检验(pairedt-test)；如果差值不服从正态分布，选用单样本秩和检验(Wilcoxonone-sampletest)。3．两个独立样本均数比较

分析思路为：反应变量为单变量→计量资料→单因素→两个独立样本均数比较。如果方差齐性，且两样本均服从正态分布，选用两样本t检验(two-samplet-test)；如果方差不齐，但两样本均服从正态分布，选用t’检验，或两样本秩和检验(Wilcoxontwo-sampletest/Mann-Whitneytest)；如果方差不齐，且两样本不服从正态分布，选用两样本秩和检验。本例选两样本t检验。

单变量计量资料的分析4．多个样本均数比较

应变量为单变量，又属计量资料时，多个样本均数比较分为单因素和多因素两种情形。而重复测量资料则被视为多个反应变量的类型。(1)单因素方差分析：若方差齐性，且各样本均服从正态分布，选单因素方差分析（one-wayANOVA）；若方差不齐，或某样本不服从正态分布，选Kruskal-Wallis秩和检验(Kruskal-Wallistest)。若方差分析或秩和检验结果显著，需进一步做多重比较，如SNK法，LSD法，扩展t检验等。(2)两因素方差分析但不分析交互作用：主要是随机区组设计资料，涉及2个因素，即1个处理因素和1个区组因素。如果满足方差齐性和正态分布两个条件，选用两因素方差分析(two-wayANOVA)，如果不满足上述两个条件，选用随机区组设计资料的Friedman秩和检验(Friedmantest)。单变量计量资料的分析(3)三因素方差分析但不分析交互作用：主要有拉丁方设计和二阶段交叉设计两种资料类型。对于拉丁方设计资料，涉及3个因素，即1个处理因素和2个区组因素；对于二阶段交叉设计资料，3个因素分别为处理因素、受试者和试验阶段。如果满足方差齐性和正态分布两个条件，拉丁方设计可选用三因素方差分析(three-wayANOVA)，如例4-5；二阶段交叉设计可选用广义线性模型的方差分析，如例4-6。如果不满足上述两个条件，选用非参数方法（参见有关文献）。若对处理因素的方差分析或秩和检验结果显著，均需进一步做多重比较。

单变量计量资料的分析(4)多因素方差分析且分析交互作用：此类资料包括析因设计资料（例11-2），正交设计资料（例11-4），嵌套设计资料（例11-6），裂区设计资料（例11-7）等。(5)重复测量资料：单因素重复测量只有1个重复测量因素，如表12-3的数据。多因素重复测量除有1个重复测量因素外，至少还有1个其它处理因素，可分析交互作用，如例12-3。

单变量计数资料的分析

单变量等级资料的分析

若为两组配对等级资料的比较，选Wilcoxon单样本秩和检验；若为两组独立样本等级资料的比较，选Wilcoxon两样本样本秩和检验；若为多组独立样本等级资料的比较，选Kruskal-Wallis秩和检验。

双变量资料的分析

1．简单相关分析

分析两变量的相关关系时，若两变量满足二元正态分布，可选Pearson积矩相关分析(Pearsoncorrelation)；若两变量不满足二元正态分布，可选Spearman秩相关分析(Spearmancorrelation)。2．线性回归分析

分析两变量的回归关系时，若两变量关系呈线性趋势，可选简单线性回归分析（linearregression）。3．曲线回归分析

分析两变量的回归关系时，若两变量关系呈曲线趋势，可按曲线类型选指数曲线，多项式曲线，生长曲线，Logistic曲线等。也可选用非线性回归分析方法。多变量资料的分析

1．有应变量的多元分析

若应变量Y为数值型随机变量，且服从正态分布，自变量满足多元正态分布，可选多元回归分析或多元逐步回归分析因变量Y为分类变量（二分类或多分类），且以判别分类为主要目的，自变量满足多元正态分布，可选判别分析或逐步判别分析。若因变量Y为生存时间，并含有截尾数据，可选Cox模型做生存分析，

若因变量Y为二分类变量或多分类变量，且