1、注意：計算題是亮點，理論部分沒有變動，計算題來自于而后原題 一計量資料1. 單組樣本均數(shù)與總體均數(shù)比較1） 總體方差已知-z檢驗2） 總體方差未知-t檢驗2. 兩組樣本1) 大樣本資料或服從正態(tài)分布的小樣本資料(1)若方差齊性-t檢驗1.兩獨立樣本t檢驗 2.配對設計-1）差值服從正態(tài)分布-配對t檢驗 2）差值不服從正態(tài)分布-配對符號秩和檢驗(2)若方差不齊，則作校正t檢驗2) 小樣本偏態(tài)分布資料，則用成組的Wilcoxon秩和檢驗3.多組樣本（1)大樣本或服從正態(tài)分布且方差齊性 1)單因素方差分析-1)無差異 2）有差異-兩兩比較（LSD檢驗，Bonferroni檢驗等） 2)隨機區(qū)組設計-

2、兩因素方差分析-1)無差異 2）有差異-兩兩比較（LSD檢驗，Bonferroni檢驗等）2)小樣本的偏態(tài)分布資料或方差不齊-Kruskal Wallis的統(tǒng)計檢驗-1)無差異 2）有差異-兩兩比較（用成組的Wilcoxon秩和檢驗，但用Bonferroni方法校正P值等）二、計數(shù)資料1. 22列聯(lián)表資料1)n40且所以理論數(shù)5，則用22列聯(lián)表x2檢驗2) n40但有一個格子理論頻數(shù)1T5則用校正x2檢驗3) 3)n40或至少存在理論頻數(shù)0.05，根據(jù)a=0.05的檢驗水準，故不拒絕H0，尚沒有理由認為這兩種藥物療效不相同。2.配對的兩組二分類資料（四格表）統(tǒng)計描述：統(tǒng)計推斷：1）建立假設檢驗

3、，確立檢驗標準 H0:末梢血與靜脈血檢查的陽性率陽性率相同 H1：末梢血與靜脈血檢查的陽性率陽性率不相同 a =0.05 2）該資料為計數(shù)資料，故采用非參數(shù)檢驗：卡方檢驗Date-weight cases-freq-frequency variable-ok （加權）Analyze-Nonparametric-2 related samples-（Row-Column）-test pair（s) list-test type-選擇McNemar-ok結果如下： Test Statistics(b) row & columeN300Exact Sig. (2-tailed).344(a)a Bi

4、nomial distribution used.b McNemar Test3)確定p值，作出推論結論：自由度v=1，P=0.344a，根據(jù)a=0.05的檢驗水準，故不拒絕H0，尚沒有理由認為采末梢血與靜脈血檢查乙型肝炎抗原的陽性率有差異。四.簡單線性相關和回歸1：繪制散點圖Graphs-scatter/dot-simple scatter-define-y（y Axis）（X1Axis)-ok由上圖可知：兩變量存在線性關系，NO濃度隨著車流量的增加呈直線增長趨勢。2. 對變量進行正態(tài)性檢驗可知兩變量服從正態(tài)分布總體3.作pearson相關，得出兩變量間存在正相關關系4.方差齊性檢驗：殘差圖

5、中散點分布圍繞e=0為中心分布，故可推斷方差齊性。綜上可知，變量間滿足線性、獨立、正態(tài)及等方差的前提，可進行線性回歸分析5.建立回歸模型，估計線性回歸方程：Y=+X6.統(tǒng)計推斷：1）建立假設檢驗，確立檢驗標準 H0：總體回歸方程不成立或總體中自變量X對因變量Y沒有貢獻。 H1：總體回歸方程成立或總體中自變量X對因變量Y有貢獻。 =0.052）Analyze-regression-linear-Y-dependents-X1-independents-statistics-選擇Estimates，confidence intervals，modelfit-continue-ok結果如下： 3）確

6、定P值，作出推論。F=44.439，P0.001，按=0.05水準，故拒絕H0，接受H1，總體回歸方程成立或總體中自變量X對因變量Y具有統(tǒng)計學意義。7、 回歸系數(shù)假設檢驗： 統(tǒng)計推斷：1）建立假設檢驗，確立檢驗水準： H0：=0; H1：0; =0.052）3） 確定P值，作出推論。t=-6.666，P0.001，按=0.05水準拒絕H0，接受H1，認為該回歸系數(shù)具有統(tǒng)計學意義?？傮w回歸系數(shù)估計值B=0.818，雙側95%置信區(qū)間為（0.563，1.072）.綜上所述，得出線性回歸方程為：=2.279-0.818 X，說明車流量每增加1千輛，NO的濃度就可能增加0.818%。決定系數(shù)R2=0.

7、669，說明NO平均濃度濃度總變異的66.9%與車流量有關。 五Logistic回歸分析因為因變量為二分類變量，取值只有0和1，故采用Logistic回歸分析。1、 Logistic回歸模型的基本結構：Ln(p/1-p)=0+1X1+2X2+3X32、Logistic回歸方程的假設檢驗1）建立假設檢驗，確立檢驗水準: H0：1=2=3=4=0 ，模型無統(tǒng)計學意義 H1：1，2，3，4不全為0，模型有統(tǒng)計學意義=0.052） 加權 Analyze-regression-binary logitic-effect-dependents-drug-covariates-method-選擇enter

8、Options-選擇CI for exp（B）95%-contiune-ok 結果如下：3）確定P值，作出推論：卡方值X2=10.998， P0.001,故在=0.05水準下拒絕H0，接受H1，認為模型有統(tǒng)計學意義。3、Logistic回歸的參數(shù)估計及假設檢驗ps（兩個發(fā)生出血的樣本率比較問題可以轉化為優(yōu)勢比OR是否等于1，In（OR）=1）1）建立假設，確立檢驗水準： H0:1=0（服用與不服用非甾體抗炎藥的對象發(fā)生上消化道癥狀的概率是相等）； H1：10 （服用與不服用非甾體抗炎藥的對象發(fā)生上消化道癥狀的概率是不相等） a = 0.05統(tǒng)計結果如下：3）確定P值，作出推論。服用藥物的Wald卡方值=10.714，P=0.0010.05，根據(jù)a = 0.05的檢驗標準，故拒絕H0,接受H1，認為服用與不服用非甾體抗炎藥的對象發(fā)生上消