医学统计学实战指导

统计方法选择思路 1.先确定研究目的，根据研究目的选择方法。 2.明确数据类型，根据数据类型进一步确定方法。 3.选定统计方法后，需要利用统计软件具体实现统计分析过程。 4.结合实际做出合理解释 具体如何选择 (1)差异性研究 即比较组间均数、率等的差异，可用的方法有t检验、方差分析、χ2检验、非参数检验等 根据目的 统计描述——计量资料的统计描述包括集中趋势、离散趋势和分布形态。 符合正态分布的计量资料的统计描述可用算术平均数和标准差表示。 不符合正态分布的计量资料的统计描述则运用中位数和四分位数间距表示。 均数比较——符合正态分布的选择t检验、方差分析（参数），不符合正态分布的选择秩和检验（非参数）。（两样本） 单样本均数与总体均数比较——样本均数与总体均数比较的t检验或秩和检验 配对设计资料均数比较——配对设计资料均数比较的t检验或秩和检验 完全随机设计两独立样本均数比较——完全随机设计两独立样本均数比较的t检验或秩和检验 方差分析 （多样本） 完全随机设计多样本均数比较——完全随机设计多样本均数比较的方差分析或秩和检验 （正常、疾病、治疗；正常，低剂量，高剂量；正常，疾病1，疾病2等） 随机区组设计资料均数比较——随机区组设计资料均数比较的方差分析或秩和检验（根据相似性匹配入区组，再分配入不同干预组） 重复测量计量资料均数比较等——重复测量计量资料均数比较的方差分析或秩和检验 （实验及对照组，治疗前及治疗后不同时间点） 根据数据类型分类 1.参数检验——假设总体服从正态分布，样本统计量服从T分布 计量资料 t检验、方差分析、非参数检验、线性相关、线性回归等。 计量资料的统计描述 单样本——正态检验 （单样本：与已知均值比较）     +单样本t检验     -单样本秩和检验 配对样本——差值正态检验 （配对样本：同总体样本，两种方法）     +配对样本t检验     -配对样本秩和检验 两样本——两组正态检验     +两样本参数检验——方差齐性检验 （两样本：样本来源于不同总体，如不同暴露因素）         齐：两样本t检验         不齐：两样本t’检验    -两样本秩和检验 多样本——多组正态检验 （多样本：样本来源于不同总体，如不同药物）     +方差分析——方差齐性检验         齐：LSD         不齐：Games Howell     -多样本秩和检验——两两比较 计数资料——χ2检验 分析多个样本率／构成比之间是否有显著性差异（分类资料可用的方法有χ2检验、对数线性模型、logistic回归等） 根据实验设计 四格表χ2检验 （有无干预（或实验/对照）、有无疗效） 行列表χ2检验 （多种干预、有无疗效） 配对χ2检验 （两种方法下再有分类） 根据样本量 Pearson卡方：N>=40，and T>=5 （pearson χ2检验） 连续校正卡方：N>=40，and 1<=T<5（Continuity Correction χ2检验） Fisher精确概率检验:N<40, or T<1 （Fisher's Exact Test检验） 2. 非参数检验——小样本数据、总体分布未知或偏态、方差不齐及混合样本等各类型数据（等级资料的统计描述） 单样本秩和检验 配对样本秩和检验 两样本秩和检验 多样本秩和检验 (2)相关性分析 即分析两个或多个变量之间的关系，可用的方法有相关分析；（自变量、因变量：绘制散点图） 直线相关 积差相关r——Pearson相关（两个符合正态分布的计量资料） 等级相关rs——Spearman等级相关（有一个不符合正态分布的计量资料|等级资料） 直线回归 直线回归方程的估计 直线回归方程的检验 直线回归方程的预测 (3)影响性分析 即分析某一结局发生的影响因素，可用的方法有线性回归、logistic回归、Cox回归等。

一本比较实用的小册子，不过仅仅涵盖了不同模型与统计方法的SPSS实现操作，对于其中每一部分涉及到的数学与统计学概念和方法建议搜索具体细节和内容补充学习，比如列联表配对卡方检验中的McNemar Test与Kappa Test, 多元方差分析，完全随机设计与随机区组设计，多独立样本非参检验Kruskal Wallis Test，Jonckheere Terpstra Test等等，具体推导过程可以不用深钻，但是算理最起码得明白吧，所以本书可以起到按图索骥的功效。 当然几乎所有内容在Stata，R与Python中均可以实现，也是当下更为主流的方式，建议学习。

非常简单基础入门。现在应该学习R 可能更有益。

都是不学统计的锅 现在这个时候还在恶补

还可以，实战指导，用的时候拿出来看看