千文網小編為你整理了多篇相關的《醫(yī)學統(tǒng)計學統(tǒng)計方法總結(大全)》，但愿對你工作學習有幫助，當然你在千文網還可以找到更多《醫(yī)學統(tǒng)計學統(tǒng)計方法總結(大全)》。

第一篇：醫(yī)學統(tǒng)計常見資料統(tǒng)計方法歸類

醫(yī)學統(tǒng)計常見資料統(tǒng)計方法歸類

計量資料：

一、統(tǒng)計描述： frequencies（均數(shù)、中位數(shù)、4分位間距）

二、統(tǒng)計推斷：t

1．t檢驗： 適用于兩計量數(shù)據(jù)間平均水平的比較(compaire means)

1）一個樣本和一個總體比較：單個樣本t檢驗One Sample T Test

2）兩個樣本：

（1）完全隨機分組—成組資料比較：兩獨立樣本t檢驗(Independent Sample T Test)要求：樣本來自正態(tài)總體、方差齊

（2）配對設計的兩樣本資料：配對t檢驗(Paired Sample T Test)往往是：A）治療前后數(shù)據(jù)比較

B）同一個樣本用兩種不同方法處理后的數(shù)據(jù)間比較

2．方差分析：適用于兩個及兩個以上計量數(shù)據(jù)間平均水平的比較(compaire means)

1）單因素的方差分析：往往是隨機分組的多個均數(shù)間比較One-Way ANOVA

2）雙因素方差分析：除了組別因素外還有配伍因素（用SPSS中一般線性模型）

3．非參數(shù)檢驗：適用于資料總體分布類型不清，或者偏態(tài)資料，或者方差不齊的情況下

比較計量資料間總體分布的差異。(nonparametric tests)

1）配對計量資料：兩相關樣本非參數(shù)（秩和）檢驗2 –related sample test

2）成組的兩樣本資料兩獨立樣本非參數(shù)（秩和）檢驗2-independent sample test

3）多組資料的比較多個獨立樣本非參數(shù)（秩和）檢驗 K-independent sample test

計數(shù)資料：

卡方檢驗：適用于兩個率或構成比間以及多個率或構成比間比較

1． 四格表卡方檢驗：兩個率或構成比間比較差異（descriptive statistics--crosstabs）

1）非校正卡方：條件：n>40 , T>5Pearson Chi-Square

2)校正卡方 ：條件：n>40 , 1

3)確切概率計算卡方：條件：n

4）配對資料卡方：條件：配對設計的資料McNemar Test

2.行列表卡方檢驗：

1）條件：少于1/5的格子的理論數(shù)小于5Pearson Chi-Square

2）若不滿足以上條件：可以（1）增加樣本含量（2）合理合并（3）刪除該行或列

3）卡方分割：

等級資料：

非參數(shù)檢驗：

成組的兩樣本資料兩獨立樣本非參數(shù)（秩和）檢驗

多組資料的比較多個獨立樣本非參數(shù)（秩和）檢驗

雙變量計量資料： 相關回歸分析(一元回歸、相關X與Y的問題)

生存隨訪資料：生存分析 1）大樣本：壽命表2）小樣本：LogRank Test

第二篇：醫(yī)學統(tǒng)計學名詞解釋概念總結

醫(yī)學統(tǒng)計學名詞解釋概念總結

醫(yī)學統(tǒng)計學: 是用統(tǒng)計學原理和方法研究生物醫(yī)學問題的一門學科。他包括了研究設計、數(shù)據(jù)收集、整理、分析以及分析結果的正確解釋和表達。 統(tǒng)計描述：用統(tǒng)計指標、統(tǒng)計圖表對資料的數(shù)量特征及分布規(guī)律進行客觀的描述和表達。

統(tǒng)計推斷：在一定的置信度和概率保證下，用樣本信息推斷總體特征：

①參數(shù)估計：用樣本的指標去推斷總體相應的指標

②假設檢驗：由樣本的差異推斷總體之間是否可能存在的差異

同質：一個總體中有許多個體，他們之所以共同成為人們研究的對象，必定存在共性，我們說一些個體處于同一總體，就是指他們大同小異，具有同質性。

總體（population）是根據(jù)研究目的確定的同質的觀察單位的全體，更確切的說，是同質的所有觀察單位某種觀察值（變量值）的集合。總體可分為有限總體和無限總體?？傮w中的所有單位都能夠標識者為有限總體，反之為無限總體。

樣本：從總體中隨機抽取部分觀察單位，其測量結果的集合稱為樣本（sample）。樣本應具有代表性。所謂有代表性的樣本，是指用隨機抽樣方法獲得的樣本。

隨機抽樣：隨機抽樣（random sampling）是指按照隨機化的原則（總體中每一個觀察單位都有同等的機會被選入到樣本中），從總體中抽取部分觀察單位的過程。隨機抽樣是樣本具有代表性的保證。

變異：在自然狀態(tài)下，個體間測量結果的差異稱為變異（variation）。變異是生物醫(yī)學研究領域普遍存在的現(xiàn)象。嚴格的說，在自然狀態(tài)下，任何兩個患者或研究群體間都存在差異，其表現(xiàn)為各種生理測量值的參差不齊。

（1）計量資料：對每個觀察單位用定量的方法測定某項指標量的大小，所得的資料稱為計量資料（measurement data）。計量資料亦稱定量資料、測量資料。.其變量值是定量的，表現(xiàn)為數(shù)值大小，一般有度量衡單位。

（2）計數(shù)資料：將觀察單位按某種屬性或類別分組，所得的觀察單位數(shù)稱為計數(shù)資料（count data）。計數(shù)資料亦稱定性資料或分類資料。其觀察值是定性的，表現(xiàn)為互不相容的類別或屬性。

（3）等級資料：將觀察單位按測量結果的某種屬性的不同程度分組，所得各組的觀察單位數(shù)，稱為等級資料（ordinal data）。

概率：概率(probability)又稱幾率，是度量某一隨機事件A發(fā)生可能性大小的一個數(shù)值，記為P（A），P（A）越大，說明A事件發(fā)生的可能性越大。0P（A）1。

頻率：在相同的條件下，獨立重復做n 次試驗，事件A 出現(xiàn)了m 次，則比值m/n 稱為隨機事件A 在n 次試驗中出現(xiàn)的頻率(freqency)。當試驗重復很多次時P（A）= m/n。

隨機誤差（random error）又稱偶然誤差，是指排除了系統(tǒng)誤差后尚存的誤差。它受多種因素的影響，使觀察值不按方向性和系統(tǒng)性而隨機的變化。誤差變量一般服從正態(tài)分布。隨機誤差可以通過統(tǒng)計處理來估計。

抽樣誤差（sampling error ）是指樣本統(tǒng)計量與總體參數(shù)的差別。在總體確定的情況下，總體參數(shù)是固定的常數(shù)，統(tǒng)計量是在總體參數(shù)附近波動的隨機變量。

系統(tǒng)誤差：系統(tǒng)誤差(systematic error)是指由于儀器未校正、測量者感官的某種偏差、醫(yī)生掌握療效標準偏高或偏低等原因，使觀察值不是分散在真值的兩側，而是有方向性、系統(tǒng)性或周期性地偏離真值。系統(tǒng)誤差可以通過實驗設計和完善技術措施來消除或使之減少。

隨機變量：隨機變量（random variable）是指取指不能事先確定的觀察結果。隨機變量的具體內容雖然是各式各樣的，但共同的特點是不能用一個常數(shù)來表示，而且，理論上講，每個變量的取值服從特定的概率分布。

參數(shù)：參數(shù)（paramater）是指總體的統(tǒng)計指標，如總體均數(shù)、總體率等?？傮w參數(shù)是固定的常數(shù)。多數(shù)情況下，總體參數(shù)是不易知道的，但可通過隨機抽樣抽取有代表性的樣本，用算得的樣本統(tǒng)計量估計未知的總體參數(shù)。

統(tǒng)計量：統(tǒng)計量（statistic）是指樣本的統(tǒng)計指標，如樣本均數(shù)、樣本率等。樣本統(tǒng)計量可用來估計總體參數(shù)?？傮w參數(shù)是固定的常數(shù)，統(tǒng)計量是在總體參數(shù)附近波動的隨機變量。

頻數(shù)表（frequency table）用來表示一批數(shù)據(jù)各觀察值或在不同取值區(qū)間的出現(xiàn)的頻繁程度（頻數(shù)）。

算術均數(shù)（arithmetic mean）描述一組數(shù)據(jù)在數(shù)量上的平均水平。總體均數(shù)用μ表示，樣本均數(shù)用X 表示。

幾何均數(shù)（geometric mean）用以描述對數(shù)正態(tài)分布或數(shù)據(jù)呈倍數(shù)變化資料的水平。記為G。

《醫(yī)學統(tǒng)計學名詞解釋概念總結》全文內容當前網頁未完全顯示，剩余內容請訪問下一頁查看。

第三篇：醫(yī)學統(tǒng)計學各種資料比較選擇方法小結

一、兩組或多組計量資料的比較 1.兩組資料：

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，則作成組t檢驗

(2)若方差不齊，則作t’檢驗或用成組的Wilcoxon秩和檢驗 2)小樣本偏態(tài)分布資料，則用成組的Wilcoxon秩和檢驗 2.多組資料：

1)若大樣本資料或服從正態(tài)分布，并且方差齊性，則作完全隨機的方差分析。如果方差分析的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。

2)如果小樣本的偏態(tài)分布資料或方差不齊，則作Kruskal Wallis的統(tǒng)計檢驗。如果Kruskal Wallis的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：用成組的Wilcoxon秩和檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。

二、分類資料的統(tǒng)計分析 1.單樣本資料與總體比較 1)二分類資料：

(1)小樣本時：用二項分布進行確切概率法檢驗；(2)大樣本時：用U檢驗。

2)多分類資料：用Pearson c2檢驗（又稱擬合優(yōu)度檢驗）。2.四格表資料

1)n>40并且所以理論數(shù)大于5，則用Pearson c2 2)n>40并且所以理論數(shù)大于1并且至少存在一個理論數(shù)

3)n￡40或存在理論數(shù)

1)列變量為效應指標，并且為有序多分類變量，行變量為分組變量，則行評分的CMH c2或成組的Wilcoxon秩和檢驗

2)列變量為效應指標并且為二分類，列變量為有序多分類變量，則用趨勢c2檢驗 3)行變量和列變量均為無序分類變量

(1)n>40并且理論數(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，則用Fisher’s 確切概率法檢驗

4.R×C表資料的統(tǒng)計分析

1)列變量為效應指標，并且為有序多分類變量，行變量為分組變量，則CMH c2或Kruskal Wallis的秩和檢驗

2)列變量為效應指標，并且為無序多分類變量，行變量為有序多分類變量，作none zero correlation analysis的CMH c2 3)列變量和行變量均為有序多分類變量，可以作Spearman相關分析 4)列變量和行變量均為無序多分類變量，(1)n>40并且理論數(shù)小于5的格子數(shù)行列表中格子總數(shù)的25%，則用Fisher’s 確切概率法檢驗

三、Poisson分布資料 1.單樣本資料與總體比較：

1)觀察值較小時：用確切概率法進行檢驗。2)觀察值較大時：用正態(tài)近似的U檢驗。2.兩個樣本比較：用正態(tài)近似的U檢驗。

配對設計或隨機區(qū)組設計

四、兩組或多組計量資料的比較 1.兩組資料：

1)大樣本資料或配對差值服從正態(tài)分布的小樣本資料，作配對t檢驗 2)小樣本并且差值呈偏態(tài)分布資料，則用Wilcoxon的符號配對秩檢驗 2.多組資料：

1)若大樣本資料或殘差服從正態(tài)分布，并且方差齊性，則作隨機區(qū)組的方差分析。如果方差分析的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：LSD檢驗，Bonferroni檢驗等）進行兩兩比較。

2)如果小樣本時，差值呈偏態(tài)分布資料或方差不齊，則作Fredman的統(tǒng)計檢驗。如果Fredman的統(tǒng)計檢驗為有統(tǒng)計學意義，則進一步作統(tǒng)計分析：選擇合適的方法（如：用Wilcoxon的符號配對秩檢驗，但用Bonferroni方法校正P值等）進行兩兩比較。

五、分類資料的統(tǒng)計分析 1.四格表資料

1)b+c>40，則用McNemar配對c2檢驗或配對邊際c2檢驗 2)b+c￡40，則用二項分布確切概率法檢驗 2.C×C表資料：

1)配對比較：用McNemar配對c2檢驗或配對邊際c2檢驗 2)一致性問題（Agreement）：用Kap檢驗

變量之間的關聯(lián)性分析

六、兩個變量之間的關聯(lián)性分析 1.兩個變量均為連續(xù)型變量

1)小樣本并且兩個變量服從雙正態(tài)分布，則用Pearson相關系數(shù)做統(tǒng)計分析 2)大樣本或兩個變量不服從雙正態(tài)分布，則用Spearman相關系數(shù)進行統(tǒng)計分析 2.兩個變量均為有序分類變量，可以用Spearman相關系數(shù)進行統(tǒng)計分析

3.一個變量為有序分類變量，另一個變量為連續(xù)型變量，可以用Spearman相關系數(shù)進行統(tǒng)計分析

七、回歸分析

1.直線回歸：如果回歸分析中的殘差服從正態(tài)分布（大樣本時無需正態(tài)性），殘差與自變量無趨勢變化，則直線回歸（單個自變量的線性回歸，稱為簡單回歸），否則應作適當?shù)淖儞Q，使其滿足上述條件。

2.多重線性回歸：應變量（Y）為連續(xù)型變量（即計量資料），自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。如果回歸分析中的殘差服從正態(tài)分布（大樣本時無需正態(tài)性），殘差與自變量無趨勢變化，可以作多重線性回歸。1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

3.二分類的Logistic回歸：應變量為二分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1)非配對的情況：用非條件Logistic回歸

(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

(2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用 2)配對的情況：用條件Logistic回歸

(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

(2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用 4.有序多分類有序的Logistic回歸：應變量為有序多分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用

5.無序多分類有序的Logistic回歸：應變量為無序多分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

2)實驗性研究：在保持主要研究因素變量（干預變量）外，可以適當?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結果的混雜作用