醫學統計學實戰指導

統計方法選擇思路 1.先確定研究目的，根據研究目的選擇方法。 2.明確數據類型，根據數據類型進一步確定方法。 3.選定統計方法後，需要利用統計軟件具體實現統計分析過程。 4.結合實際做出合理解釋 具體如何選擇 (1)差異性研究 即比較組間均數、率等的差異，可用的方法有t檢驗、方差分析、χ2檢驗、非參數檢驗等 根據目的 統計描述——計量資料的統計描述包括集中趨勢、離散趨勢和分佈形態。 符合正態分佈的計量資料的統計描述可用算術平均數和標準差表示。 不符合正態分佈的計量資料的統計描述則運用中位數和四分位數間距表示。 均數比較——符合正態分佈的選擇t檢驗、方差分析（參數），不符合正態分佈的選擇秩和檢驗（非參數）。（兩樣本） 單樣本均數與總體均數比較——樣本均數與總體均數比較的t檢驗或秩和檢驗 配對設計資料均數比較——配對設計資料均數比較的t檢驗或秩和檢驗 完全隨機設計兩獨立樣本均數比較——完全隨機設計兩獨立樣本均數比較的t檢驗或秩和檢驗 方差分析 （多樣本） 完全隨機設計多樣本均數比較——完全隨機設計多樣本均數比較的方差分析或秩和檢驗 （正常、疾病、治療；正常，低劑量，高劑量；正常，疾病1，疾病2等） 隨機區組設計資料均數比較——隨機區組設計資料均數比較的方差分析或秩和檢驗（根據相似性匹配入區組，再分配入不同干預組） 重複測量計量資料均數比較等——重複測量計量資料均數比較的方差分析或秩和檢驗 （實驗及對照組，治療前及治療後不同時間點） 根據數據類型分類 1.參數檢驗——假設總體服從正態分佈，樣本統計量服從T分佈 計量資料 t檢驗、方差分析、非參數檢驗、線性相關、線性迴歸等。 計量資料的統計描述 單樣本——正態檢驗 （單樣本：與已知均值比較）     +單樣本t檢驗     -單樣本秩和檢驗 配對樣本——差值正態檢驗 （配對樣本：同總體樣本，兩種方法）     +配對樣本t檢驗     -配對樣本秩和檢驗 兩樣本——兩組正態檢驗     +兩樣本參數檢驗——方差齊性檢驗 （兩樣本：樣本來源於不同總體，如不同暴露因素）         齊：兩樣本t檢驗         不齊：兩樣本t’檢驗    -兩樣本秩和檢驗 多樣本——多組正態檢驗 （多樣本：樣本來源於不同總體，如不同藥物）     +方差分析——方差齊性檢驗         齊：LSD         不齊：Games Howell     -多樣本秩和檢驗——兩兩比較 計數資料——χ2檢驗 分析多個樣本率／構成比之間是否有顯著性差異（分類資料可用的方法有χ2檢驗、對數線性模型、logistic迴歸等） 根據實驗設計 四格表χ2檢驗 （有無干預（或實驗/對照）、有無療效） 行列表χ2檢驗 （多種干預、有無療效） 配對χ2檢驗 （兩種方法下再有分類） 根據樣本量 Pearson卡方：N>=40，and T>=5 （pearson χ2檢驗） 連續校正卡方：N>=40，and 1<=T<5（Continuity Correction χ2檢驗） Fisher精確概率檢驗:N<40, or T<1 （Fisher's Exact Test檢驗） 2. 非參數檢驗——小樣本數據、總體分佈未知或偏態、方差不齊及混合樣本等各類型數據（等級資料的統計描述） 單樣本秩和檢驗 配對樣本秩和檢驗 兩樣本秩和檢驗 多樣本秩和檢驗 (2)相關性分析 即分析兩個或多個變量之間的關係，可用的方法有相關分析；（自變量、因變量：繪製散點圖） 直線相關 積差相關r——Pearson相關（兩個符合正態分佈的計量資料） 等級相關rs——Spearman等級相關（有一個不符合正態分佈的計量資料|等級資料） 直線迴歸 直線迴歸方程的估計 直線迴歸方程的檢驗 直線迴歸方程的預測 (3)影響性分析 即分析某一結局發生的影響因素，可用的方法有線性迴歸、logistic迴歸、Cox迴歸等。

一本比較實用的小冊子，不過僅僅涵蓋了不同模型與統計方法的SPSS實現操作，對於其中每一部分涉及到的數學與統計學概念和方法建議搜索具體細節和內容補充學習，比如列聯表配對卡方檢驗中的McNemar Test與Kappa Test, 多元方差分析，完全隨機設計與隨機區組設計，多獨立樣本非參檢驗Kruskal Wallis Test，Jonckheere Terpstra Test等等，具體推導過程可以不用深鑽，但是算理最起碼得明白吧，所以本書可以起到按圖索驥的功效。 當然幾乎所有內容在Stata，R與Python中均可以實現，也是當下更爲主流的方式，建議學習。

非常簡單基礎入門。現在應該學習R 可能更有益。

都是不學統計的鍋 現在這個時候還在惡補

還可以，實戰指導，用的時候拿出來看看