2026年公共衛(wèi)生執(zhí)業(yè)醫(yī)師考試統(tǒng)計學知識試題及答案1.單選題（每題1分，共30分）1.某市2025年對15000名65歲及以上老年人進行高血壓篩查，檢出患者2250人。若用該數(shù)據(jù)估計全市同年齡組高血壓患病率，其95%置信區(qū)間計算所需的關(guān)鍵前提是A.患病率接近50%B.總體方差已知C.抽樣可視為簡單隨機且n·p與n·(1?p)均≥5D.該市人口總數(shù)≥100萬答案：C解析：當n·p與n·(1?p)均≥5時，二項分布可用正態(tài)近似，是構(gòu)建Wald置信區(qū)間的前提。總體方差未知，無需接近50%，也無需知道全市人口規(guī)模。2.在配對設計中對兩種快速檢測試劑的一致性進行評價，首選的統(tǒng)計量是A.PearsonrB.Cohen’sκC.Kendall’sτD.ICC答案：B解析：κ系數(shù)校正了機遇一致，專門用于評價兩次分類結(jié)果的一致性。3.某研究欲比較三種干預對糖尿病患者空腹血糖下降值的差異，但數(shù)據(jù)呈明顯右偏且方差不齊，應選擇的檢驗方法是A.單因素方差分析B.Kruskal-WallisH檢驗C.配對t檢驗D.重復測量方差分析答案：B解析：數(shù)據(jù)非正態(tài)、方差不齊時，非參數(shù)Kruskal-Wallis檢驗更穩(wěn)健。4.對10個縣2024年乙肝發(fā)病率（1/10萬）與該縣人均GDP（萬元）進行Spearman相關(guān)分析，得rs=0.81（P<0.01）。以下解釋正確的是A.人均GDP每增加1萬元，乙肝發(fā)病率平均上升0.81/10萬B.兩變量存在正向直線相關(guān)且因果關(guān)系成立C.人均GDP高的縣，其發(fā)病率等級傾向于更高D.可認為GDP升高導致乙肝傳播增加答案：C解析：Spearman衡量等級相關(guān)，rs=0.81提示高收入縣發(fā)病率排位靠前，但相關(guān)≠因果。5.某隊列研究RR=1.60，95%CI0.98–2.63，則A.暴露組發(fā)病率顯著高于對照組B.結(jié)果在α=0.05水平無統(tǒng)計學意義C.暴露組發(fā)病率低于對照組D.需計算P值方可判斷答案：B解析：置信區(qū)間包含1，差異無統(tǒng)計學意義。6.在樣本量估算中，若將檢驗效能1?β由0.80提高到0.90，其他條件不變，所需樣本量會A.減少約10%B.增加約15%C.增加約30%D.不變答案：C解析：效能提高需更大樣本，常用公式顯示n與(Z1?β)2成正比，0.90對應Z≈1.28，比0.80的0.84高約50%，故n增加約30%。7.對一份生存數(shù)據(jù)采用Kaplan-Meier法估計，發(fā)現(xiàn)某時間點風險人數(shù)驟減，最可能原因是A.該時刻大量個體死亡B.該時刻大量失訪C.該時刻研究結(jié)束D.計算錯誤答案：B解析：失訪或退出會使風險集驟減，曲線出現(xiàn)“臺階”但下降幅度未必大。8.欲評價某新疫苗對流感樣病例的保護效果，采用整群隨機對照試驗，分析時應首選A.簡單卡方檢驗B.隨機效應模型調(diào)整聚類C.配對t檢驗D.一般線性模型答案：B解析：整群設計存在組內(nèi)相關(guān)，需用混合效應或GEE調(diào)整聚類。9.多重線性回歸中，若某自變量方差膨脹因子VIF=8.5，則認為A.無多重共線性B.存在輕度共線性C.存在嚴重共線性D.模型擬合優(yōu)度差答案：C解析：VIF>5–10提示共線性明顯，系數(shù)估計不穩(wěn)定。10.對一份病例-對照研究資料進行條件Logistic回歸，其匹配變量A.應作為自變量納入模型B.不納入模型，因匹配已控制C.僅當與暴露有關(guān)時才納入D.需與暴露做交互答案：B解析：條件Logistic以匹配組分層，匹配變量不進入模型。11.某研究用Poisson回歸分析人群癌癥發(fā)病數(shù)，發(fā)現(xiàn)殘差偏離明顯，應首先考慮A.改用負二項回歸B.增加樣本量C.刪除異常點D.變量標準化答案：A解析：Poisson要求均值=方差，過離散時負二項更穩(wěn)健。12.在Meta分析中，I2=62%，表示A.合并效應量可信度低B.約62%變異由隨機誤差引起C.約62%變異由研究間異質(zhì)性引起D.需立即采用隨機效應模型答案：C解析：I2描述異質(zhì)性占比，>50%提示明顯異質(zhì)。13.對有序分類結(jié)局（治愈/好轉(zhuǎn)/無效）比較兩組療效，首選A.卡方檢驗B.Wilcoxon秩和檢驗C.趨勢卡方檢驗D.二分類Logistic回歸答案：C解析：趨勢卡方檢驗可判斷率隨分組劑量或等級變化的趨勢。14.某實驗室每日測定質(zhì)控血清葡萄糖，連續(xù)30天，繪制Levey-Jennings圖，發(fā)現(xiàn)連續(xù)7天結(jié)果均高于均值但落在±2s內(nèi)，應判斷為A.在控B.警告，需復查C.失控D.隨機誤差答案：B解析：7點同側(cè)雖未超2s，但提示系統(tǒng)偏移，按Westgard規(guī)則屬警告。15.對兩獨立樣本均數(shù)比較，若n1=n2=8，數(shù)據(jù)正態(tài)、方差齊，應選用A.配對t檢驗B.近似t檢驗C.獨立樣本t檢驗D.Mann-WhitneyU檢驗答案：C解析：滿足正態(tài)與方差齊，獨立樣本t檢驗效率最高。16.某研究采用隨機交叉設計比較兩種降壓藥，分析時除處理效應外還需考慮A.順序效應與遺留效應B.年齡與性別C.中心效應D.區(qū)組效應答案：A解析：交叉設計需檢驗順序與遺留效應，否則混淆結(jié)果。17.在R語言中，summary(glm(Y~X,family=quasipoisson()))輸出的“dispersionparameter”估計值遠大于1，說明A.模型欠擬合B.存在過離散C.X與Y無關(guān)D.需增加變量答案：B解析：準Poisson通過離散參數(shù)調(diào)整標準誤，>1即過離散。18.對某指標建立參考值范圍，若數(shù)據(jù)呈正態(tài)分布，則95%雙側(cè)范圍應為A.均值±1.96標準差B.均值±2.58標準差C.P2.5–P97.5D.中位數(shù)±1.5IQR答案：A解析：正態(tài)資料95%范圍用±1.96s。19.某研究用Cox回歸，發(fā)現(xiàn)某時依協(xié)變量滿足比例風險假定的Schoenfeld殘差P=0.03，應A.認為變量不顯著B.將變量做時依系數(shù)或分層C.刪除變量D.增加樣本量答案：B解析：P<0.05提示非比例風險，需擴展模型。20.對診斷試驗進行ROC分析，AUC=0.92，表示A.靈敏度92%B.特異度92%C.隨機抽取患者得分高于非患者的概率92%D.陽性似然比92答案：C解析：AUC即c統(tǒng)計量，含義為隨機配對下患者得分高于非患者的概率。21.某調(diào)查采用分層三階段PPS抽樣，最終獲得有效問卷4800份，計算抽樣權(quán)重時應考慮A.僅分層比B.各階段入選概率倒數(shù)乘積C.僅應答率D.事后分層調(diào)整即可答案：B解析：多階段PPS權(quán)重為各階段入選概率倒數(shù)之積，再作非應答與事后分層校準。22.在Bayes判別分析中，若兩類先驗概率相等，則判別邊界對應A.兩密度函數(shù)交點B.后驗概率0.5C.似然比1D.錯分率最小答案：C解析：先驗相等時，邊界即似然比=1。23.某研究對同一樣本分別用ELISA與金標準檢測，結(jié)果如下：ELISA+金標準+180，ELISA+金標準?20，ELISA?金標準+10，ELISA?金標準?290。則ELISA的Youden指數(shù)J為A.0.85B.0.90C.0.80D.0.78答案：A解析：Se=180/(180+10)=0.947，Sp=290/(20+290)=0.935，J=Se+Sp?1=0.85。24.對重復測量資料，若忽略組內(nèi)相關(guān)而直接用普通ANOVA，會導致A.Ⅰ型錯誤概率降低B.Ⅰ型錯誤概率升高C.檢驗效能一定提高D.自由度增加答案：B解析：低估標準誤，P值偏小，Ⅰ型錯誤膨脹。25.某研究用Bootstrap5000次重抽樣估計均值的95%CI，得到區(qū)間2.8–4.6。該區(qū)間A.假設數(shù)據(jù)正態(tài)B.對原始樣本分布無要求C.一定對稱D.需樣本量≥1000答案：B解析：Bootstrap非參數(shù)，不依賴分布假設。26.對兩率差作非劣效檢驗，設定非劣效界值δ=?0.05，若95%CI為?0.03–0.08，則A.非劣效成立B.非劣效不成立C.優(yōu)效成立D.需單側(cè)檢驗答案：A解析：CI下限?0.03>?0.05，提示試驗組不比對照組差過界值。27.某研究建立Logistic預測模型，用十折交叉驗證得c-index=0.84，說明A.模型過擬合B.預測區(qū)分度良好C.校準度完美D.需外部驗證答案：B解析：c-index≈AUC，0.84示區(qū)分能力較好，但仍需外部驗證評估外推。28.對生存數(shù)據(jù)采用加性風險模型，若回歸系數(shù)β=0.02，則A.風險比恒為1.02B.風險差恒為0.02C.風險隨時間變化D.與Cox結(jié)果一定一致答案：B解析：加性模型假定風險差恒定，與Cox的乘性不同。29.某研究比較兩療法住院天數(shù)，數(shù)據(jù)嚴重右偏且含25%截尾值，應首選A.獨立樣本t檢驗B.生存分析比較中位時間C.對數(shù)轉(zhuǎn)換后t檢驗D.卡方檢驗答案：B解析：住院天數(shù)可視為“時間”事件，含截尾用生存分析合理。30.對罕見病病例-對照研究，計算暴露與疾病關(guān)聯(lián)的最佳指標是A.RRB.ORC.ARD.PAR答案：B解析：罕見病條件下OR≈RR，且病例-對照無法直接算RR。2.多選題（每題2分，共20分）31.下列哪些方法可用于控制混雜A.隨機化B.匹配C.分層分析D.多變量回歸E.增加樣本量答案：ABCD解析：增加樣本量不能消除混雜，僅提高精度。32.關(guān)于檢驗效能，正確的是A.與效應量成正比B.與α成反比C.與樣本量成正比D.與標準差成反比E.與Ⅱ型錯誤概率互補答案：ACDE解析：α增大則效能提高，故B錯。33.下列哪些屬于非概率抽樣A.方便抽樣B.雪球抽樣C.配額抽樣D.系統(tǒng)抽樣E.目的抽樣答案：ABCE解析：系統(tǒng)抽樣可屬概率抽樣，若隨機起點且間隔固定。34.在Cox模型中，若出現(xiàn)tiedevent，可采取A.Breslow近似B.Efron近似C.ExactpartialD.連續(xù)時間假設E.刪除tied答案：ABC解析：tied事件常用三種近似處理，刪除會損失信息。35.關(guān)于多重比較校正，正確的是A.Bonferroni法降低Ⅰ型錯誤B.FDR法比Bonferroni更保守C.事后檢驗必須校正D.探索性分析可不做校正E.預先計劃少量比較可不校正答案：ACE解析：FDR較不保守，探索性分析仍建議校正。36.下列哪些指標不受患病率影響A.靈敏度B.特異度C.Youden指數(shù)D.陽性預測值E.陰性預測值答案：ABC解析：PPV、NPV受患病率影響。37.在Bayesian框架下，先驗分布的選擇可依據(jù)A.既往Meta分析B.專家意見C.無信息先驗D.同期文獻數(shù)據(jù)E.本研究數(shù)據(jù)答案：ABCD解析：本研究數(shù)據(jù)用于似然，不用于先驗。38.下列哪些圖可用于展示生存數(shù)據(jù)A.Kaplan-Meier曲線B.Nelson-Aalen曲線C.Forest圖D.Schoenfeld殘差圖E.ROC曲線答案：ABD解析：Forest圖用于Meta，ROC用于診斷。39.關(guān)于缺失數(shù)據(jù)，正確的是A.MCAR指缺失與觀測值無關(guān)B.MAR可用多重插補C.MNAR需敏感分析D.刪除缺失樣本一定導致偏倚E.插補后需合并分析答案：ABCE解析：若MCAR且樣本大，刪除可接受，未必偏倚。40.在構(gòu)建預測模型時，可用于變量篩選的方法有A.LASSOB.逐步回歸C.彈性網(wǎng)絡D.嶺回歸E.主成分分析答案：ABCD解析：主成分分析降維不篩選原始變量。3.判斷題（每題1分，共10分）41.對數(shù)轉(zhuǎn)換可使右偏資料更接近正態(tài)分布。答案：√42.當樣本量足夠大時，非參數(shù)檢驗效能一定高于參數(shù)檢驗。答案：×解析：參數(shù)檢驗若假設成立，效能更高。43.在病例-對照研究中可計算發(fā)病率。答案：×44.隨機效應Meta分析中，τ2=0表示無異質(zhì)性。答案：√45.多重線性回歸的殘差呈正態(tài)是參數(shù)估計無偏的前提。解析：參數(shù)估計無偏只需誤差零均值、同方差、獨立，正態(tài)僅關(guān)乎CI與檢驗。答案：×46.對二分類資料，Pearson卡方與似然比卡方結(jié)果總是相同。答案：×47.靈敏度與召回率等價。答案：√48.在交叉設計中，遺留效應可通過洗脫期減少。答案：√49.當Cox模型比例風險不滿足時，可引入時間×協(xié)變量交互項。答案：√50.樣本量越大，置信區(qū)間一定越窄。答案：×解析：還受標準差與置信水平影響。4.簡答題（每題10分，共40分）51.某市擬開展成人糖尿病患病率調(diào)查，已知既往患病率約12%，要求絕對誤差不超過2%，置信水平95%，采用簡單隨機抽樣，需多少人？若采用設計效應deff=1.5的整群抽樣，又需多少人？寫出計算過程。答案：（1）簡單隨機：n=Z2??α/?·p(1?p)/d2Z=1.96，p=0.12，d=0.02n=1.962×0.12×0.88/0.022=3.8416×0.1056/0.0004≈1014（2）整群：n_cluster=n×deff=1014×1.5≈1521解析：整群設計降低有效樣本量，需擴大樣本。52.一項病例-對照研究得到下表：||暴露+|暴露?|合計||----------|-------|-------|------||病例|120|80|200||對照|60|140|200|（1）計算OR及95%CI；（2）若暴露人群中20%攜帶某基因，對照攜帶率10%，基因與暴露獨立，計算基因調(diào)整后OR（提示：用Mantel-Haenszel方法按基因分層）。答案：（1）OR=(120×140)/(80×60)=16800/4800=3.5lnOR=1.2528，selnOR=√(1/120+1/80+1/60+1/140)=0.20495%CI=exp(1.2528±1.96×0.204)=exp(1.2528±0.400)=(2.4,5.1)（2）分層：基因+：病例暴露+=120×0.2=24，暴露?=80×0.2=16對照暴露+=60×0.2=12，暴露?=140×0.2=28基因?：病例暴露+=96，暴露?=64對照暴露+=48，暴露?=112MHOR=Σ(ai·di/ni)/Σ(bi·ci/ni)基因+：(24×28)/80=8.4，(16×12)/80=2.4基因?：(96×112)/320=33.6，(64×48)/320=9.6MHOR=(8.4+33.6)/(2.4+9.6)=42/12=3.5解析：暴露與基因獨立，調(diào)整后OR不變。53.對某新藥進行Ⅲ期臨床試驗，主要終點為連續(xù)變量，既往標準藥下降值均值=10mmol/L，標準差=6，新藥預期非劣效界值δ=?2mmol/L，α=0.025（單側(cè)），效能90%，兩組1:1，需多少受試者？若采用t檢驗，寫出公式及結(jié)果。答案：n=2[(Z??α+Z??β)σ/(μ??μ??δ)]2μ?=10，μ?=10（非劣假設），δ=?2，σ=6Z??α=1.96，Z??β=1.28n=2[(1.96+1.28)×6/(0?(?2))]2=2[19.44/2]2=2×94.6≈190每組總380例解析：非劣檢驗假設新藥不劣于標準，μ??μ?=0。54.某疾控中心對疫苗保護效果進行評價，隨機接種1000人，對照1000人，隨訪一年，接種組發(fā)病5例，對照組發(fā)病25例。（1）計算疫苗效力VE；（2）若用精確法計算95%CI，給出公式與R代碼片段；（3）若隨訪時間不均，如何調(diào)整？答案：（1）VE=1?(5/1000)/(25/1000)=1?0.2=0.80，即80%（2）精確CI基于二項分布：R代碼：```ra<5;b<25;n1<1000;n0<1000RR<(a/n1)/(b/n0)logRR<log(RR)selogRR<sqrt(1/a1/n1+1/b1/n0)ci<exp(logRR+qnorm(c(0.025,0.975))*selogRR)VEci<1rev(ci)#得VE95%CI```得VE95%CI：56%–92%（3）若隨訪時間不均，應以人時發(fā)病率計算RR，用Poisson或精確率比法，VE=1?IRR。5.綜合應用題（每題20分，共40分）55.某市2025年1–6月監(jiān)測到手足口病病例3600例，隨機抽取其中1200例進行病原分型，發(fā)現(xiàn)EV71占30%，其他腸道病毒70%。同期對全市幼兒園兒童（估計人口12萬）進行哨點監(jiān)測，隨機抽樣3000名，檢出EV71陽性180例，其他陽性420例。（1）估算全市幼兒園兒童EV71感染率并給出95%CI；（2）若欲估計EV71感染所致重癥風險，需補充哪些信息？（3）提出一種Bayesian模型，利用病例監(jiān)測與哨點數(shù)據(jù)估計全市6月累計EV71感染人數(shù)，并給出WinBUGS核心代碼片段。答案：（1）哨點樣本p?=180/3000=0.06，n=3000selogit=√(1/180+1/2820)=0.077logitCI=log(0.06/0.94)±1.96×0.077=?2.751±0.151→(0.051,0.071)即感染率5.1%–7.1%，估計全市12萬×0.06=7200例，95%CI6120–8520例。（2）需補充：重癥病例中EV71比例人群感染后重癥概率年齡別感染率與重癥率就診與報告率（3）Bayesian模型：設哨點陽性y~Bin(n,π)，病例報告數(shù)X~Pois(λ)，λ=N·π·r，其中N為總感染人數(shù)，r為報告比例先驗。WinBUGS片段：```bugsmodel{y~dbin(pi,n)X~dpois(lambda)lambda<Npirpi~dbeta(1,1)r~dunif(0.01,0.5)