中南大学医学科研统计学课件.ppt

数据处理的一般原则 医学数据的统计处理涉及到医学专业知识、统计专业知识、处理数据的经验和技巧等各个方面，是一门很高超的艺术。在数据处理过程中，原始数据的采集和录入，数据的管理，恰当选用统计方法，熟练使用统计软件等，都是必须重视的关键环节。 原始数据的记录形式 原始数据的记录形式 原始数据中，变量分为标识变量和分析变量两种。 标识变量主要用于数据管理，包括数据的核对与增删等，是研究记录中不可缺少的内容，如表25-1中的“病人编号”和“病案号”即为标识变量。 分析变量则是数据分析的主要内容，表25-1中除上述2个标识变量外，其它9个变量均为分析变量。 分析变量又被分为反应变量(response variable)和解释变量(explanatory variable)。 反应变量是表示试验效应或观察结果大小的变量或指标。 解释变量又称指示变量(indicator)、分组变量(grouping variable) 、分类变量(categorical variable) 、协变量等。 根据研究目的以及变量间的相互关系，各变量的作用并非一成不变。 原始数据的录入 在进行统计分析前，原始数据需录入计算机。录入的文件类型大致有： 数据库文件，如dBASE、FoxBASE、Lotus、EPI info等；Excel文件； 文本文件，如word文件、WPS文件等； 统计应用软件的相应文件，如SPSS数据文件、SAS数据文件、STATA数据文件等。 目前，上述文件类型绝大多数都可以相互转换。 录入数据时，应遵循便于录入，便于核查，便于转换，便于分析的原则。便于录入是指尽可能地减少录入工作量，例如，下图是表25-1原始数据录入为SPSS数据文件（CH25-1.sav）的形式，录入时，用数值变量取代了字符变量（如图中的“性别”，“肾毒性”，“黄疸”，“昏迷”），可以大大节约录入的时间和费用。(如将性别标记为1=“男”，0=“女”)。 原始数据的录入 数据处理中的几个基本问题 1．数据核查 数据录入后，首先须对录入的数据进行核查，以确保录入数据的准确性和真实性。核查准确性可分两步进行。第一步逻辑检查，通过运行统计软件中的基本统计量过程，列出每个变量的最大和最小值，如果某变量的最大或最小值不符合逻辑，则数据有误。例如，在SPSS数据文件中，当变量“年龄”的最大值为“300”时，一定有误。利用软件的查找功能可立即找到该数据，然后根据该数据对应的标识值找出原始记录，更正该数据。如本例可查到该数据对应的 “病人编号”为“27”，查原始记录的年龄为“30”。第二步数据核对，将原始数据与录入的数据一一核对，错者更正。有时，为慎重起见，采用双份录入的方式，然后用程序作一一比较，不一致者一定是录错的数据。 数据核查的另一项任务是对数据的真实性做出初步判断。 数据处理中的几个基本问题 2．离群数据的处理 当个别数据与群体数据严重偏离时，被称为离群数据(outlier)或极端数据（extreme value）。统计软件一般都有判断离群数据的方法。判断离群数据有多种方法，例如，SPSS软件对其的定义为：观察值距箱式图(box plot)的箱体底线（第25百分位数）或顶线（第75百分位数）的距离为箱体高度（四分位数间距）的1.5倍至3倍时被视为离群点；观察值距箱体底线或顶线的距离超过3倍的箱体高度时被视为极端值。 若有离群数据出现，可分为两种情况处理： 一种是，如果确认数据有逻辑错误，又无法纠正，可直接删除该数据。例如，若某一数据中某病例的身高变量为“1755”cm，且原始记录亦如此，又无法再找到该病例时，显然这是一个错误的记录，只能删除。 另一种是，若数据并无明显的逻辑错误，可将该数据剔除前后各做一次分析，若结果不矛盾，则不剔除；若结果矛盾，并需要剔除，必须给以充分合理的解释，例如用何种方法确定偏离数据，该数据在实验中何种干扰下产生等。 数据处理中的几个基本问题 3．统计方法前提条件的检验： 应用参数方法进行假设检验往往要求数据满足某些前提条件，如两个独立样本比较t检验或多个独立样本比较的方差分析，均要求方差齐性，因此需要做方差齐性检验。 如果要用正态分布法估计参考值范围，首先要检验资料是否服从正态分布。 在建立各种多重回归方程时，常需检验变量间的多重共线性和残差分布的正态性。 统计方法选择的基本思路 数据处理中，正确选择统计方法至关重要。选择统计方法可以沿着以下思路进行。 第一个层面，看反应变量是单变量、双变量还是多变量。 对于前者，第二个层面看属于三种资料类型中的哪一种； 第三个层面看单因素还是多因素； 第四个层面看单样本、两样本或多样本； 第五个层面看是否是配对或配伍设计； 第六个层面看是否满足检验方法所需的前提条件。 单变量计量资料的