《医学统计学》教学课件-检验

《医学统计学》教学课件-检验2024-01-26汇报人：AACATALOGUE目录检验基本概念与原理参数检验方法非参数检验方法线性回归与相关分析生存分析与时间序列分析诊断试验评价与筛检试验设计原则CHAPTER检验基本概念与原理01通过收集样本数据，利用统计学方法对总体参数或分布进行推断的过程。检验的定义判断总体参数或分布是否与假设一致，为医学决策提供科学依据。检验的目的检验定义及目的原假设是研究者想要拒绝的假设，备择假设是研究者想要接受的假设。原假设与备择假设检验统计量是用于判断原假设是否成立的统计量，拒绝域是当检验统计量落入该区域时，我们拒绝原假设的区域。检验统计量与拒绝域P值是当原假设为真时，获得当前样本数据或更极端数据的概率。显著性水平是研究者设定的一个阈值，当P值小于或等于显著性水平时，我们拒绝原假设。P值与显著性水平假设检验原理检验水准与两类错误研究者设定的判断原假设是否成立的显著性水平，常用α表示。当原假设为真时，错误地拒绝原假设的概率，即α。当备择假设为真时，错误地接受原假设的概率，常用β表示。在实际应用中，需要权衡两类错误的大小，选择合适的检验水准和样本量。检验水准第一类错误第二类错误两类错误的权衡样本量计算工具在实际应用中，可以使用专门的样本量计算工具或软件进行样本量的估计和计算。检验效能当备择假设为真时，正确地拒绝原假设的概率，即1-β。样本量估计在进行检验前，需要估计所需的样本量以保证检验的效能和精度。样本量的估计需要考虑多个因素，如效应大小、显著性水平、检验效能等。效应大小指备择假设与原假设之间的差异程度，差异越大，所需的样本量越小。检验效能与样本量估计CHAPTER参数检验方法02用于比较样本均值与已知总体均值是否有差异。单样本t检验两独立样本t检验配对样本t检验用于比较两个独立样本均值是否有差异。用于比较同一总体中两个相关样本均值是否有差异。030201t检验用于研究一个控制变量对观察变量的影响。单因素方差分析用于研究两个或多个控制变量对观察变量的影响。多因素方差分析在控制其他变量的影响下，分析控制变量对观察变量的影响。协方差分析方差分析完全随机设计资料的协方差分析用于比较不同处理组间的均值差异，同时考虑协变量的影响。随机区组设计资料的协方差分析用于比较同一区组内不同处理组间的均值差异，同时考虑协变量的影响。协方差分析03重复测量数据的协方差分析在控制其他因素的影响下，分析重复测量数据中的处理效应和时间效应。01单因素重复测量方差分析用于比较同一受试对象在不同时间点上的观察值是否有差异。02多因素重复测量方差分析用于研究多个因素对同一受试对象在不同时间点上的观察值的影响。重复测量设计资料分析CHAPTER非参数检验方法03通过比较实际观测频数与理论期望频数之间的差异，推断两个或多个总体分布是否存在显著差异。原理适用于计数数据的比较，如医学研究中不同治疗方法的疗效比较。应用场景优点在于简单易行，适用于大样本数据；缺点是对数据分布的假设较为严格，且对于有序分类变量可能会损失一些信息。优缺点χ2检验

秩和检验原理将原始数据转化为秩次后进行统计分析，比较两组或多组样本的秩和是否存在显著差异。应用场景适用于等级资料或两样本量不等时的比较。优缺点优点在于对数据分布无严格要求，适用范围广；缺点是当样本量较大时，检验效能可能降低。应用场景适用于连续变量的随机性检验，如医学研究中不同治疗方法对患者某项指标的影响是否具有随机性。原理通过计算游程数（即相同元素连续出现的次数）来判断样本的随机性，进而推断两个总体分布是否存在显著差异。优缺点优点在于简单易行，对数据分布无严格要求；缺点是对于非随机样本或存在周期性变化的样本，检验效果可能不佳。游程检验符号检验01通过比较样本数据的中位数与假设值的大小关系，判断总体分布是否存在显著差异。符号秩和检验02结合符号检验和秩和检验的原理，对数据同时进行符号和秩次的转化与比较。Kendall等级相关系数检验03通过计算等级相关系数来判断两个变量之间的相关关系是否显著。其他非参数检验方法CHAPTER线性回归与相关分析04通过最小二乘法确定回归系数，建立因变量与自变量之间的线性关系模型。线性回归模型的建立利用判定系数、调整判定系数、F检验等指标，评估模型的拟合优度和解释能力。模型的评估通过绘制残差图、进行Durbin-Watson检验等方法，检查模型的残差是否满足独立性、正态性、方差齐性等假设。残差分析线性回归模型建立与评估相关系数的解读根据相关系数的符号、大小及显著性水平，判断两个变量之间的相关方向、相关强度及统计意义。相关系数与回归系数的关系理解相关系数与回归系数之间的联系与区别，掌握在回归分析中如何运用相关系数。相关系数的计算利用皮尔逊相关系数、斯皮尔曼等级相关系数等，计算两个变量之间的相关程度。相关系数计算与解读123在控制其他变量的影响下，研究两个变量之间的净相关关系，揭示它们之间的真实联系。偏相关分析研究一个因变量与多个自变量之间的相关关系，通过复相关系数和偏相关系数等指标，评估各自变量对因变量的影响程度。复相关分析掌握偏相关和复相关分析在医学研究领域中的应用，如疾病影响因素分析、药物疗效评价等。偏相关与复相关的应用偏相关与复相关分析模型的评估与检验利用判定系数、调整判定系数、F检验、t检验等指标，评估模型的拟合优度和解释能力，检验各自变量的显著性。多重共线性问题了解多重共线性的概念、产生原因及后果，掌握识别和处理多重共线性的方法，如逐步回归、岭回归等。多元线性回归模型的建立通过引入多个自变量，建立多元线性回归模型，描述因变量与多个自变量之间的线性关系。多元线性回归模型建立与评估CHAPTER生存分析与时间序列分析05生存数据特点存在删失数据时间跨度大数据分布偏态01020304生存数据特点及描述方法描述方法中位生存时间生存曲线生存率生存数据特点及描述方法生存函数估计Kaplan-Meier法寿命表法生存函数估计与比较方法02030401生存函数估计与比较方法比较方法Log-rank检验Breslow检验Tarone-Ware检验时间序列数据特点数据按时间顺序排列数据之间存在相关性时间序列数据特点及描述方法趋势性和周期性描述方法时序图时间序列数据特点及描述方法自相关图偏自相关图时间序列数据特点及描述方法时间序列模型建立与预测方法01模型建立02平稳性检验03模型定阶04参数估计01点预测区间预测趋势预测预测方法020304时间序列模型建立与预测方法CHAPTER诊断试验评价与筛检试验设计原则06诊断试验评价指标计算方法及意义解读灵敏度（Sensitivity）正确识别病例的能力，计算公式为a/(a+c)，其中a为真阳性，c为假阴性。特异度（Specificity）正确识别非病例的能力，计算公式为d/(b+d)，其中d为真阴性，b为假阳性。准确率（Accuracy）所有受试者中诊断正确的比例，计算公式为(a+d)/(a+b+c+d)。似然比（LikelihoodRatio）反映诊断试验真实性的指标，包括阳性似然比和阴性似然比。ROC曲线绘制及AUC值计算方法介绍通过统计软件或在线工具输入诊断试验的灵敏度、特异度等数据，即可自动生成ROC曲线并计算AUC值。计算方法以1-特异度为横坐标，灵敏度为纵坐标绘制的曲线，用于评价诊断试验的准确性。ROC曲线（ReceiverOperatingC…ROC曲线下的面积，取值范围为0.5~1。AUC值越接近1，说明诊断试验的准确性越高。AUC值（AreaUndertheCurve）筛检试验应具有高灵敏度、高特异度、简便易行、经济实用等特点。同时，应根据目标人群的特点和筛检目的选择合适的筛检指标和界值。确定筛检目标人群；选择合适的筛检指标和界值；进行筛检试验；对筛检结果进行解读和处理；对筛检效果进行评价。筛检试验设计原则