数据分析的统计方法选择小结
完全随机分组设计的资料
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 χ2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 χ2
2)n>40并且所以理论数大于1并且至少存在一个理论数
3)n &πουνδ;40或存在理论数
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 χ2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χ2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
(2)n&πουνδ;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 χ2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 χ2
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
(2)n&πουνδ;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 χ2检验或配对边际χ2检验
2)b+c&πουνδ;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 χ2检验或配对边际χ2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
数据分析的统计方法选择小结
完全随机分组设计的资料
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 χ2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 χ2
2)n>40并且所以理论数大于1并且至少存在一个理论数
3)n &πουνδ;40或存在理论数
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 χ2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χ2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
(2)n&πουνδ;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 χ2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 χ2
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
(2)n&πουνδ;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 χ2检验或配对边际χ2检验
2)b+c&πουνδ;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 χ2检验或配对边际χ2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