统计方法的选择汇总.doc

统计方法的选择
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