数据分析的统计方法选择小结.ppt

数据分析的统计方法选择小结 目录 完全随机分组设计的资料 两组或多组计量资料的比较 两组资料 大样本资料或服从正态分布的小样本资料 （1）若方差齐性，则作成组t检验 （2）若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验 小样本偏态分布资料，则用成组的Wilcoxon秩和检验 完全随机分组设计的资料 两组或多组计量资料的比较 多组资料 若大样本资料或服从正态分布，并且方差齐性，则作完全随机的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。 如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验。如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等）进行两两比较。 完全随机分组设计的资料 分类资料的统计分析 单样本资料与总体比较 二分类资料 （1）小样本：用二项分布进行确切概率法检验； （2）大样本：用U检验 多分类资料：用Pearson ?2 检验（又称拟合优度检验） 完全随机分组设计的资料 分类资料的统计分析 四格表资料 （1）n40并且所以理论数大于5，则用Pearson ?2 ； （2）n40并且所以理论数大于1并且至少存在一个理 论数5，则用校正 ?2或用Fisher’s 确切概率法检验 （3）n?40或存在理论数1，则用Fisher’s 检验 完全随机分组设计的资料 分类资料的统计分析 2×C表资料的统计分析 列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的CMH ?2或成组的Wilcoxon秩和检验 列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势?2检验 行变量和列变量均为无序分类变量 （1）n40并且理论数小于5的格子数行列表中格子总数的25%，则用Pearson ?2 （2）n?40或理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s 确切概率法检验 完全随机分组设计的资料 分类资料的统计分析 R×C表资料的统计分析 列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则CMH ?2或Kruskal Wallis的秩和检验 列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作none zero correlation analysis的CMH ?2 列变量和行变量均为有序多分类变量，可以作Spearman相关分析 列变量和行变量均为无序多分类变量 （1）n40并且理论数小于5的格子数行列表中格子总数的25%，则用Pearson ?2 （2）n?40或理论数小于5的格子数行列表中格子总数的25%，则用Fisher’s 确切概率法检验 完全随机分组设计的资料 Poisson分布资料 单样本资料与总体比较 观察值较小时：用确切概率法进行检验 观察值较大时：用正态近似的U检验 两个样本比较：用正态近似的U检验 配对设计或随机区组设计 两组或多组计量资料的比较 两组资料 大样本资料或配对差值服从正态分布的小样本资料，作配对t检验 小样本并且差值呈偏态分布资料，则用Wilcoxon的符号配对秩检验 配对设计或随机区组设计 两组或多组计量资料的比较 多组资料 若大样本资料或残差服从正态分布，并且方差齐性，则作随机区组的方差分析。如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较。 如果小样本时，差值呈偏态分布资料或方差不齐，则作Fredman的统计检验。如果Fredman的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用Wilcoxon的符号配对秩检验，但用Bonferroni方法校正P值等）进行两两比较。 配对设计或随机区组设计 分类资料的统计分析 四格表资料 b+c40，则用McNemar配对 ?2检验或配对边际?2检验 b+c?40，则用二项分布确切概率法检验 C×C表资料 配对比较：用McNemar配对 ?2检验或配对边际?2检验 b+c?40，则用二项分布确切概率法检验 变量之间的关联性分析 两个变量之间的关联性分析 两个变量均为连续型变量 小样本并且两个变量服从双正态分布，则用Pearson相关系数做统计分析 大样本或两个变量不服从双正态分布，则用Spearman相关系数进行统计分析 两个变量均为有序分类变量：可以用Spearma