1、一、兩組或多組計量資料的比較 8 B W. l$ B- c. W6 o1.兩組資料：: o/ G R; ; ( d Y, l0 Q1)大樣本資料或服從正態(tài)分布的小樣本資料6 G |- + z |* u o5 h(1)若方差齊性，則作成組t檢驗; r |+ h7 f* i4 ! K3 a$ o(2)若方差不齊，則作t檢驗或用成組的Wilcoxon秩和檢驗7 _0 C7 q7 L% c+ G# d2)小樣本偏態(tài)分布資料，則用成組的Wilcoxon秩和檢驗5 3 - _ i 2.多組資料：2 n: I. I1 ) U S1)若大樣本資料或服從正態(tài)分布，并且方差齊性，則作完全隨機的方差分析。如果方差分

2、析的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。7 6 S9 m: t8 l* q2)如果小樣本的偏態(tài)分布資料或方差不齊，則作Kruskal Wallis的統(tǒng)計檢驗。如果Kruskal Wallis的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：用成組的Wilcoxon秩和檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。* m& & w# l( w二、分類資料的統(tǒng)計分析 * z: m$ _) k2 w c1 o2 j1.單樣本資料與總體比較& c% a% Y, T9 4 J+ D5 z1)二

3、分類資料：9 W9 p. P/ ; w* M L ! T(1)小樣本時：用二項分布進行確切概率法檢驗；) D _+ 8 N M: p# a5 g(2)大樣本時：用U檢驗。/ O. J2 d$ V1 X5 y$ n( e$ T2)多分類資料：用Pearson c2檢驗（又稱擬合優(yōu)度檢驗）。( 5 O3 & Q7 o& q1 a0 o# l2. 四格表資料5 S v+ R- S2 W1)n40并且所以理論數大于5，則用Pearson c2a3 w6 K. z6 U8 ?5 l& K, N2)n40并且所以理論數大于1并且至少存在一個理論數5，則用校正c2或用Fishers 確切概率法檢驗& 3 o

4、1 3 6 P* X, T- R/ Q) U3)n40或存在理論數40并且理論數小于5的格子數行列表中格子總數的25%，則用Fishers 確切概率法檢驗6 , Q9 a v( L4. RC表資料的統(tǒng)計分析! I2 y) X* l0 e! t8 t- o1)列變量為效應指標，并且為有序多分類變量，行變量為分組變量，則CMH c2或Kruskal Wallis的秩和檢驗9 k- c + o5 l; Y6 Z2)列變量為效應指標，并且為無序多分類變量，行變量為有序多分類變量，作none zero correlation analysis的CMH c23 U+ y4 |4 v& D& X0 w8 b

5、6 D+ g3)列變量和行變量均為有序多分類變量，可以作Spearman相關分析2 . Q3 R7 J G4)列變量和行變量均為無序多分類變量，4 5 S- g, Q: g a(1)n40并且理論數小于5的格子數行列表中格子總數的25%，則用Fishers 確切概率法檢驗4 h% |- I/ U1 F三、Poisson分布資料 9 o# e3 # y5 4 l/ z* h1.單樣本資料與總體比較：, ( v- & X( f7 U+ N8 1)觀察值較小時：用確切概率法進行檢驗。3 P- i0 D2 x# * g. G3 v, g( y! X C2)觀察值較大時：用正態(tài)近似的U檢驗。3 Y: x

6、# S. k. o R J+ I+ a2.兩個樣本比較：用正態(tài)近似的U檢驗。) Y$ 0 0 d6 A* H配對設計或隨機區(qū)組設計四、兩組或多組計量資料的比較3 s% e: Z |, X1.兩組資料：9 j( v0 i2 i& a, A A0 w1)大樣本資料或配對差值服從正態(tài)分布的小樣本資料，作配對t檢驗0 _! q+ h/ E; e8 z$ R2)小樣本并且差值呈偏態(tài)分布資料，則用Wilcoxon的符號配對秩檢驗5 R2 P% N& r2 c z# t2.多組資料：- I. ( E D) n% G6 I I1)若大樣本資料或殘差服從正態(tài)分布，并且方差齊性，則作隨機區(qū)組的方差分析。如果方差分

7、析的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。7 W. s7 h- A! 5 ( U2)如果小樣本時，差值呈偏態(tài)分布資料或方差不齊，則作Fredman的統(tǒng)計檢驗。如果Fredman的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：用Wilcoxon的符號配對秩檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。% p6 J- F* , c5 r7 ( R% e$ g五、分類資料的統(tǒng)計分析 9 B j; a! P3 1.四格表資料7 E5 T S& P% 2 C, 4 e3 # q1)b+c40，

8、則用McNemar配對c2檢驗或配對邊際c2檢驗C- a# 0 c% U4 w0 f2)b+c40，則用二項分布確切概率法檢驗, c# / F& V0 + z E2.CC表資料：2 W2 V$ J/ X7 q: z) y+ C9 _1)配對比較：用McNemar配對c2檢驗或配對邊際c2檢驗! l+ U& 0 x j, I7 O/ d: f2)一致性問題（Agreement）：用Kap檢驗* e4 G Q1 v5 F變量之間的關聯(lián)性分析六、兩個變量之間的關聯(lián)性分析! 9 E 2 X B/ i5 B+ R O Q1.兩個變量均為連續(xù)型變量4 A1 g5 t% C! F8 h: j K1)小樣本并

9、且兩個變量服從雙正態(tài)分布，則用Pearson相關系數做統(tǒng)計分析7 s h( c4 y$ F$ _2)大樣本或兩個變量不服從雙正態(tài)分布，則用Spearman相關系數進行統(tǒng)計分析! c a4 W. 4 o& S+ Z4 x2.兩個變量均為有序分類變量，可以用Spearman相關系數進行統(tǒng)計分析& ?% K% R3 H2 ?1 D3.一個變量為有序分類變量，另一個變量為連續(xù)型變量，可以用Spearman相關系數進行統(tǒng)計分析8 c, X) C* s/ x七、回歸分析 # S. w. _6 9 ?( b, J9 P1.直線回歸：如果回歸分析中的殘差服從正態(tài)分布（大樣本時無需正態(tài)性），殘差與自變量無趨勢變

10、化，則直線回歸（單個自變量的線性回歸，稱為簡單回歸），否則應作適當的變換，使其滿足上述條件。( V5 E. s) V5 T, e n2.多重線性回歸：應變量（Y）為連續(xù)型變量（即計量資料），自變量（X1，X2，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。如果回歸分析中的殘差服從正態(tài)分布（大樣本時無需正態(tài)性），殘差與自變量無趨勢變化，可以作多重線性回歸。* $ F Q4 |# S. ; 1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素! H y( N; . O6 % n/ h/ 7 b2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，

11、以校正這些混雜因素對結果的混雜作用z+ * M- A6 r $ c3.二分類的Logistic回歸：應變量為二分類變量，自變量（X1，X2，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。7 z( D) o, J* X$ f9 w1)非配對的情況：用非條件Logistic回歸8 F4 K1 y+ Q7 y) O(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素0 J; a; o3 , 0 p9 a4 s5 j(2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用- O; b( z( M9 E a, B2

12、P- g2)配對的情況：用條件Logistic回歸k+ $ F6 u- k* (1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素+ 2 a; H0 t O$ t- t O$ P(2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用! W2 Z! z6 r* O4 p* r* C2 A; p4.有序多分類有序的Logistic回歸：應變量為有序多分類變量，自變量（X1，X2，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。 F0 O6 d; w& A1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素 _ y- c6 r* L2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當地引入一些其它可能的混雜因素變量，以校正這些混雜因素對結果的混雜作用% t3 % f. _) Q 9 W, u5.無序多分