第一篇：医学统计学各种资料比较_选择方法小结
医学统计学各种资料比较 选择方法小结
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 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)n>40并且所以理论数大于5，则用Pearson c2
2)n>40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Fisher’s 确切概率法检验
3)n￡40或存在理论数<1，则用Fisher’s 检验 3.2×C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，则行评分的CMH c2或成组的Wilcoxon秩和检验
2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验
3)行变量和列变量均为无序分类变量
(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2
(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验 4.R×C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 c2
3)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)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2
(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 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。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+c>40，则用McNemar配对c2检验或配对边际c2检验 2)b+c￡40，则用二项分布确切概率法检验 2.C×C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
八、生存分析资：要求资料记录结局和结局发生的时间（如；死亡和死亡发生的时间）
1.用Kaplan-Meier方法估计生存曲线 2.大样本时，可以寿命表方法估计
3.单因素可以用Log－rank比较两条或多条生存曲线 4.多个因素时，可以作多重的Cox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
第二篇：医学统计学各种资料比较选择方法小结
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 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)n>40并且所以理论数大于5，则用Pearson c2 2)n>40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Fisher’s 确切概率法检验
3)n￡40或存在理论数<1，则用Fisher’s 检验 3.2×C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，则行评分的CMH c2或成组的Wilcoxon秩和检验
2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验 3)行变量和列变量均为无序分类变量
(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验
4.R×C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 c2 3)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)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 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。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+c>40，则用McNemar配对c2检验或配对边际c2检验 2)b+c￡40，则用二项分布确切概率法检验 2.C×C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
第三篇：常用医学统计学方法的选择
常用医学统计学方法的选择
1.多组率的比较用卡方检验（χ2检验，chi-square test)直接用几个率的数值比较，与直接用原始数据录入比较，结果会有什么不同？卡方值会受样本量的影响，样本越多，卡方值越大。
2.多组计量资料比较采用方差分析(F检验)，不能用t检验。当方差分析结果为P<0.05时，只能说明k组总体均数之间不完全相同。若想进一步了解哪两组的差别有统计学意义，需进行多个均数间的多重比较，即SNK-q检验(多个均数两两之间的全面比较)、LSD-t检验(适用于一对或几对在专业上有特殊意义的均数间差别的比较)和Dunnett检验(适用于k-1个实验组与一个对比组均数差别的多重比较)。
3.非正态分布多组数据之间比较选用非参数检验、单样本中位数检验（符号检验和 Wilcoxon 检验）、双样本中位数检验（Mann-Whitney 检验）、方差分析（Kruskal-Wallis、Mood 中位数和 Friedman 检验）
4.按血糖水平从低到高分成多组，进行多组之间死亡率的比较，由于死亡率同样受年龄、性别、病史、您身边的论文好秘书：您的原始资料与构思,我按您的意思整理成优秀论文论著,并安排出版发表，扣1550116010、766085044自信我会是您人生路上不可或缺的论文好秘书血脂等因素的影响，所以需选取合适统计方法实现“调整年龄、性别等危险因素后，按血糖分组进行死亡率的比较（由血糖从低到高分成的4组）”。①年龄是定量变量（是数值），调整年龄的方法可在Logistic回归中运用，连续性变量年龄加入covariate中，当成协变量，就可以调整年龄，age-adjusted odds ratio就能得到了。②性别性别是二分类变量，不是定量变量，不可在LOGISTIC回归里比较。调整性别可在卡方检验中采取分层的方法比较。
如果为多分类LOGISTIC回归，在选择用multinomianl LOGISTIC回归中，可选入年龄等进入covariate，观察年龄的配比情况。可把性别选入factors(自变量)。这样可以实现调整年龄、性别等危险因素。
5.回顾性研究(1)临床妊娠率和女性年龄的关系+(2)男性影响临床妊娠的精子参数比较： 数据类型及变量的说明：y：计量 拟采用的分析方法：卡方检验 拟采用的分析软件：spss 原始数据附件及格式：word表
能否用其他方法统计分析：可用卡方分割，调整检验水准（根据比较的次数N，校正后的检验水准为0.05/N）。
6.重复t检验：多个样本均数间的两两比较(又称多重比较)不宜用t检验，因为重复数次，t检验将增加第一类错误的概率，使检验效率降低。此时宜用方差分析，并在此基础上用两两比较方法(如．SNK、LSD、Duncan法等)。
对于同一对均数间的差异，用t检验无显著性，而两两比较可能有显著性，可见错误选用统计方法将推出错误结论。
统计方法的选择: 分计量、计数、等级资料三
第四篇：医学统计学 常用方法小结
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 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)n>40并且所以理论数大于5，则用Pearson c2 2)n>40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Fisher’s 确切概率法检验
3)n￡40或存在理论数<1，则用Fisher’s 检验 3.2×C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，则行评分的CMH c2或成组的Wilcoxon秩和检验
2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验 3)行变量和列变量均为无序分类变量
(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验
4.R×C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 c2 3)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)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 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。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+c>40，则用McNemar配对c2检验或配对边际c2检验 2)b+c￡40，则用二项分布确切概率法检验 2.C×C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)大样本或两个变量不服
第五篇：医学统计学各种资料比较选择方法小结(学医的都有用哦)
医学统计学各种资料比较选择方法小结（学医的都有用哦）来源： 徐萌的日志
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 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)n>40并且所以理论数大于5，则用Pearson c2 2)n>40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Fisher’s 确切概率法检验
3)n￡40或存在理论数<1，则用Fisher’s 检验 3.2×C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，则行评分的CMH c2或成组的Wilcoxon秩和检验
2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势c2检验 3)行变量和列变量均为无序分类变量
(1)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 确切概率法检验
4.R×C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 c2 3)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)n>40并且理论数小于5的格子数<行列表中格子总数的25%，则用Pearson c2(2)n￡40或理论数小于5的格子数>行列表中格子总数的25%，则用Fisher’s 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。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+c>40，则用McNemar配对c2检验或配对边际c2检验 2)b+c￡40，则用二项分布确切概率法检验 2.C×C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
点击咨询 