千文網(wǎng)小編為你整理了多篇相關(guān)的《醫(yī)學(xué)統(tǒng)計(jì)學(xué)統(tǒng)計(jì)方法總結(jié)》，但愿對(duì)你工作學(xué)習(xí)有幫助，當(dāng)然你在千文網(wǎng)還可以找到更多《醫(yī)學(xué)統(tǒng)計(jì)學(xué)統(tǒng)計(jì)方法總結(jié)》。
第一篇：醫(yī)學(xué)統(tǒng)計(jì)總結(jié)
研究生三班王穎（穎）學(xué)號(hào) 20130307
計(jì)量資料
一．統(tǒng)計(jì)描述
頻數(shù)分布：
1.頻數(shù)分布表
2.頻數(shù)分布圖 可以用來判斷計(jì)量資料的分布類型，以便于進(jìn)一步做統(tǒng)計(jì)分析和處理外，還可以進(jìn)行病因研究和疾病預(yù)防控制。
集中趨勢(shì)的描述：
1.算術(shù)平均數(shù) 反映一組呈對(duì)稱分布的變量值在數(shù)量上的平均水平。
2.幾何平均數(shù) 反映一組經(jīng)對(duì)數(shù)轉(zhuǎn)換后呈對(duì)稱分布的變量值在數(shù)量上的平均水平，常適
用于免疫學(xué)指標(biāo)
3.中位數(shù) 將n個(gè)變量值從大到小排列，位置居于中間的那個(gè)數(shù)。適用于各種分布類型，尤其是偏態(tài)分布和一端或兩端無確切數(shù)值的資料。
4.百分位數(shù)PX常用于確定單峰偏態(tài)分布資料的醫(yī)學(xué)參考值范圍（要求樣本含量要足
夠大）；
離散趨勢(shì)的描述：
1.極差 常用來說明傳染病、食物中毒等的最短和最長潛伏期；一組變量值的最大值與
最小值之差。
2.四分位數(shù)間距 是由第3四分位數(shù)P75和第1四分位數(shù)P25相減而得，記為QR。
3.方差和標(biāo)準(zhǔn)差 方差就是離均差平方和除以N。
標(biāo)準(zhǔn)差就是方差的平方根。
4.變異系數(shù) 用于觀察指標(biāo)不同時(shí)和均數(shù)相差較大時(shí)，記為CV。用于兩種或多種不同
性質(zhì)變量變異程度的直觀比較；在實(shí)驗(yàn)方法學(xué)研究中，用來表示方法的精密度。
二．統(tǒng)計(jì)推斷
單因素
單樣本（單組設(shè)計(jì)）一個(gè)樣本指標(biāo)和一個(gè)已知的總體指標(biāo)做比較
1.樣本含量較小n
2.樣本含量較大時(shí)——u檢驗(yàn)
3.樣本來自的總體不服從正態(tài)分布——Wilcoxon符號(hào)秩檢驗(yàn)
兩相關(guān)樣本（配對(duì)設(shè)計(jì)）兩同質(zhì)受試對(duì)象配成對(duì)子分別接受兩種不同處理；同一受試對(duì)
象分別接受兩種不同處理；同一受試對(duì)象接受處理前后。
1.兩樣本差值服從正態(tài)分布——配對(duì)t檢驗(yàn)
2兩樣本差值不服從正態(tài)分布——配對(duì)樣本比較的Wilcoxon符號(hào)秩檢驗(yàn)
當(dāng)n≤50時(shí)，查T界值表。
當(dāng)>50時(shí)?？捎谜龖B(tài)近似法作——u檢驗(yàn)
兩獨(dú)立樣本（成組設(shè)計(jì)）適用于完全隨機(jī)設(shè)計(jì)兩樣本的比較
1.兩樣本含量較小n1≤60或（和）n2≤60，兩樣本的總體均服從正態(tài)分布且總體方差
相等，——兩獨(dú)立樣本t檢驗(yàn)
2.兩樣本含量較小n1≤60或（和）n2≤60，兩樣本的總體均服從正態(tài)分布但總體方差
不相等，——兩獨(dú)立樣本 t’檢驗(yàn)或秩轉(zhuǎn)換的非參數(shù)檢驗(yàn)
3.兩樣本的總體有一不服從正態(tài)分布或總體方差不相等——兩獨(dú)立樣本的Wilcoxon秩
和檢驗(yàn)當(dāng)n1≤10和n2－n1≤10時(shí)，查T界值表。
當(dāng)n1>10或n2－n1>10時(shí)，可用正態(tài)近似法作——u檢驗(yàn)
多個(gè)獨(dú)立樣本（單因素多水平設(shè)計(jì)）
1.完全隨機(jī)設(shè)計(jì)資料的方差分析
多個(gè)樣本的總體均服從正態(tài)分布且總體方差相等——單向分類的方差分析
多個(gè)樣本的總體有一服從正態(tài)分布或總體方差不相等——Kruskal-Wills H檢
驗(yàn)或進(jìn)行變量變換后采用單向分類的方差分析Kruskal-Wills H檢驗(yàn)當(dāng)樣本個(gè)數(shù)g=3和每個(gè)樣本例數(shù)≤5時(shí)，查H界值表。
當(dāng)g=3且最小樣本例數(shù)>5或g>3時(shí)，則H近似服從
χ2分布，查χ2界值表。
2.隨機(jī)區(qū)組設(shè)計(jì)資料的方差分析
對(duì)于正態(tài)分布且方差齊的資料——雙向分類的方差分析
對(duì)于分正態(tài)分布或（和）方差不齊的資料——Friedman M檢驗(yàn)或進(jìn)行變量變換
后采用雙向分類的方差分析。
Friedman M 檢驗(yàn) 當(dāng)n≤15和g≤15時(shí)，查M界值表。
當(dāng)n>15或g>15時(shí)，可用卡方近似法，查χ2界值表。
實(shí)際上，當(dāng)g>4或者g=4且n>5或者g=3且n>9時(shí)，就可用
χ2近似法，查χ2界值表。
多個(gè)獨(dú)立樣本間的多重比較
多個(gè)樣本均服從正態(tài)分布且方差齊
1.LSD-t檢驗(yàn) 適用于一對(duì)或幾對(duì)在專業(yè)上有特殊意義的樣本均數(shù)間的比較。
2.Dunnett-t檢驗(yàn) 適用于g－1個(gè)實(shí)驗(yàn)組與一個(gè)對(duì)照組均數(shù)差別的多重比較。
3.SNK-q檢驗(yàn) 適用于多個(gè)樣本均數(shù)兩兩之間的全面比較。
多個(gè)獨(dú)立樣本有一不服從正態(tài)分布或方差不齊的兩兩比較—— Nemenyi法檢驗(yàn)
多個(gè)相關(guān)樣本有一不服從正態(tài)分布或方差不齊的兩兩比較——q檢驗(yàn)
多因素
隨機(jī)區(qū)組設(shè)計(jì)
SS總=SS處理+SS區(qū)組+SS誤差
1.觀察指標(biāo)呈正態(tài)分布——ANOVA
多個(gè)樣本均數(shù)兩兩之間的全面比較——SNK-q檢驗(yàn)
2.觀察指標(biāo)不呈正態(tài)分布——Friedman M檢驗(yàn)
當(dāng)n≤15和g≤15時(shí)，查M界值表。當(dāng)n>15或g>15時(shí)，可用卡方近似法，查χ2界值表。
實(shí)際上，當(dāng)g>4或者g=4且n>5或者g=3且n>9時(shí)，就可用
χ2近似法，查χ2界值表。
多個(gè)相關(guān)樣本兩兩比較的q檢驗(yàn)
析因設(shè)計(jì)——方差分析
完全隨機(jī)的析因設(shè)計(jì) SS總=SSA+SSB+SSAB+SSE
隨機(jī)區(qū)組的析因設(shè)計(jì) SS總=SSA+SSB+SSAB+SSE+SS區(qū)組
正交設(shè)計(jì) 是非全面實(shí)驗(yàn)，g個(gè)處理組是各因素個(gè)水平的部分組合。適用于尋找療效好的藥物配方，醫(yī)療儀器多個(gè)參數(shù)的優(yōu)化組合，生物體的培養(yǎng)條件等。
當(dāng)以篩選各因素各水平最佳組合條件為目的時(shí)——直接分析，算一算
當(dāng)需對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)推斷時(shí)——方差分析
重復(fù)測(cè)量設(shè)計(jì)——方差分析
計(jì)數(shù)資料
一．統(tǒng)計(jì)描述
1.絕對(duì)數(shù) 如某病的出院人數(shù)、治愈人數(shù)、死亡人數(shù)等，通常不具有可比性。
2.強(qiáng)度相對(duì)數(shù) 說明某現(xiàn)象發(fā)生的頻率或強(qiáng)度又稱為率。
率=某時(shí)期內(nèi)發(fā)生某現(xiàn)象的觀察單位數(shù)/同期可能發(fā)生某現(xiàn)象的觀察單位數(shù)×比例基數(shù)
3.結(jié)構(gòu)相對(duì)數(shù) 表示事物內(nèi)部某一部分的個(gè)體數(shù)與該事物各部分個(gè)體數(shù)的總和之比，用來說明各構(gòu)成部分在總體中所占的比重和分布，又稱為構(gòu)成比。構(gòu)成比=某一組成部分的觀察單位數(shù)/同一事物各組成部分的觀察單位數(shù)×100%
4.相對(duì)比 簡稱比，是兩個(gè)有關(guān)指標(biāo)之比，說明兩指標(biāo)的比例關(guān)系。
相對(duì)比=甲指標(biāo)/乙指標(biāo)×100%
二．統(tǒng)計(jì)推斷
樣本率與總體率的比較
當(dāng)n較大、p和1－p均不太小，如np和n（1－p）均大于5時(shí)——u檢驗(yàn) 兩樣本率的比較
當(dāng)n1與n2均較大，且p1、1－p1與p2、1－p2均不太小，如n1p1、n1（1－p1）與n2p2、n2（1－p2）均大于5時(shí)——u檢驗(yàn)
當(dāng)n≥40且所有的T≥5時(shí)——χ2檢驗(yàn)的基本公式或?qū)Ｓ霉剑?dāng)P≈ɑ時(shí)，改用四格表資料的Fisher確切概率法。
當(dāng)n≥40但有1≤T≤5時(shí)——χ2檢驗(yàn)的校正公式或Fisher確切概率法。
當(dāng)n
配對(duì)四格表資料的χ2檢驗(yàn)
當(dāng)b+c≥40時(shí)——一般公式
當(dāng)b+c
多個(gè)樣本率的比較 ——R×C表的χ2檢驗(yàn)
多個(gè)樣本率間的多重比較——χ2分割法
兩個(gè)樣本構(gòu)成比比較—— R×C表的χ2檢驗(yàn)
等級(jí)資料
等級(jí)資料兩獨(dú)立樣本比較——兩獨(dú)立樣本的Wilcoxon秩和檢驗(yàn)
等級(jí)資料兩相關(guān)樣本比較——兩相關(guān)樣本的Wilcoxon符號(hào)秩檢驗(yàn)
等級(jí)資料多個(gè)獨(dú)立樣本比較——多個(gè)獨(dú)立樣本的Kruskal-Wills H檢驗(yàn)
第二篇：醫(yī)學(xué)統(tǒng)計(jì)方法小結(jié)
統(tǒng)計(jì)方法小結(jié)
首次分享者：yanyan 已被分享22次 評(píng)論(0)復(fù)制鏈接 分享 轉(zhuǎn)載 刪除
一、兩組或多組計(jì)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(yàn)
(2)若方差不齊，則作t’檢驗(yàn)或用成組的Wilcoxon秩和檢驗(yàn) 2)小樣本偏態(tài)分布資料，則用成組的Wilcoxon秩和檢驗(yàn) 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(jī)的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等）進(jìn)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(jì)檢驗(yàn)。如果Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用成組的Wilcoxon秩和檢驗(yàn)，但用Bonferroni方法校正P值等）進(jìn)行兩兩比較。
二、分類資料的統(tǒng)計(jì)分析 1.單樣本資料與總體比較 1)二分類資料：
(1)小樣本時(shí)：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn)；(2)大樣本時(shí)：用U檢驗(yàn)。
2)多分類資料：用Pearson c2檢驗(yàn)（又稱擬合優(yōu)度檢驗(yàn)）。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(gè)理論數(shù)
3)n￡40或存在理論數(shù)
1)列變量為效應(yīng)指標(biāo)，并且為有序多分類變量，行變量為分組變量，則行評(píng)分的CMH c2或成組的Wilcoxon秩和檢驗(yàn)
2)列變量為效應(yīng)指標(biāo)并且為二分類，列變量為有序多分類變量，則用趨勢(shì)c2檢驗(yàn)
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(yàn) 4.R×C表資料的統(tǒng)計(jì)分析
1)列變量為效應(yīng)指標(biāo)，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(yàn) 2)列變量為效應(yīng)指標(biāo)，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(guān)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(yàn)
三、Poisson分布資料
1.單樣本資料與總體比較：
1)觀察值較小時(shí)：用確切概率法進(jìn)行檢驗(yàn)。2)觀察值較大時(shí)：用正態(tài)近似的U檢驗(yàn)。2.兩個(gè)樣本比較：用正態(tài)近似的U檢驗(yàn)。
配對(duì)設(shè)計(jì)或隨機(jī)區(qū)組設(shè)計(jì)
四、兩組或多組計(jì)量資料的比較 1.兩組資料：
1)大樣本資料或配對(duì)差值服從正態(tài)分布的小樣本資料，作配對(duì)t檢驗(yàn) 2)小樣本并且差值呈偏態(tài)分布資料，則用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn) 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(jī)區(qū)組的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。
2)如果小樣本時(shí)，差值呈偏態(tài)分布資料或方差不齊，則作Fredman的統(tǒng)計(jì)檢驗(yàn)。如果Fredman的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)，但用Bonferroni方法校正P值等）進(jìn)行兩兩比較。
五、分類資料的統(tǒng)計(jì)分析 1.四格表資料
1)b+c>40，則用McNemar配對(duì)c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn) 2)b+c￡40，則用二項(xiàng)分布確切概率法檢驗(yàn) 2.C×C表資料：
1)配對(duì)比較：用McNemar配對(duì)c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn) 2)一致性問題（Agreement）：用Kap檢驗(yàn)
變量之間的關(guān)聯(lián)性分析
六、兩個(gè)變量之間的關(guān)聯(lián)性分析 1.兩個(gè)變量均為連續(xù)型變量
1)小樣本并且兩個(gè)變量服從雙正態(tài)分布，則用Pearson相關(guān)系數(shù)做統(tǒng)計(jì)分析 2)大樣本或兩個(gè)變量不服從雙正態(tài)分布，則用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析 2.兩個(gè)變量均為有序分類變量，可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析
3.一個(gè)變量為有序分類變量，另一個(gè)變量為連續(xù)型變量，可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)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(shí)無需正態(tài)性），殘差與自變量無趨勢(shì)變化，則直線回歸（單個(gè)自變量的線性回歸，稱為簡單回歸），否則應(yīng)作適當(dāng)?shù)淖儞Q，使其滿足上述條件。2.多重線性回歸：應(yīng)變量（Y）為連續(xù)型變量（即計(jì)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(shí)無需正態(tài)性），殘差與自變量無趨勢(shì)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(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用
3.二分類的Logistic回歸：應(yīng)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(duì)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(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用 2)配對(duì)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(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用
4.有序多分類有序的Logistic回歸：應(yīng)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(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用
5.無序多分類有序的Logistic回歸：應(yīng)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(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用
八、生存分析資：要求資料記錄結(jié)局和結(jié)局發(fā)生的時(shí)間（如；死亡和死亡發(fā)生的時(shí)間）
1.用Kaplan-Meier方法估計(jì)生存曲線 2.大樣本時(shí)，可以壽命表方法估計(jì)
3.單因素可以用Log－rank比較兩條或多條生存曲線 4.多個(gè)因素時(shí)，可以作多重的Cox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(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用
第三篇：醫(yī)學(xué)統(tǒng)計(jì)學(xué)各種資料比較選擇方法小結(jié)
一、兩組或多組計(jì)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(yàn)
(2)若方差不齊，則作t’檢驗(yàn)或用成組的Wilcoxon秩和檢驗(yàn) 2)小樣本偏態(tài)分布資料，則用成組的Wilcoxon秩和檢驗(yàn) 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(jī)的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等）進(jìn)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(jì)檢驗(yàn)。如果Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用成組的Wilcoxon秩和檢驗(yàn)，但用Bonferroni方法校正P值等）進(jìn)行兩兩比較。
二、分類資料的統(tǒng)計(jì)分析 1.單樣本資料與總體比較 1)二分類資料：
(1)小樣本時(shí)：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn)；(2)大樣本時(shí)：用U檢驗(yàn)。
2)多分類資料：用Pearson c2檢驗(yàn)（又稱擬合優(yōu)度檢驗(yàn)）。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(gè)理論數(shù)
3)n￡40或存在理論數(shù)
1)列變量為效應(yīng)指標(biāo)，并且為有序多分類變量，行變量為分組變量，則行評(píng)分的CMH c2或成組的Wilcoxon秩和檢驗(yàn)
2)列變量為效應(yīng)指標(biāo)并且為二分類，列變量為有序多分類變量，則用趨勢(shì)c2檢驗(yàn) 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(yàn)
4.R×C表資料的統(tǒng)計(jì)分析
1)列變量為效應(yīng)指標(biāo)，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(yàn)
2)列變量為效應(yīng)指標(biāo)，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(guān)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(yàn)
三、Poisson分布資料 1.單樣本資料與總體比較：
1)觀察值較小時(shí)：用確切概率法進(jìn)行檢驗(yàn)。2)觀察值較大時(shí)：用正態(tài)近似的U檢驗(yàn)。2.兩個(gè)樣本比較：用正態(tài)近似的U檢驗(yàn)。
配對(duì)設(shè)計(jì)或隨機(jī)區(qū)組設(shè)計(jì)
四、兩組或多組計(jì)量資料的比較 1.兩組資料：
1)大樣本資料或配對(duì)差值服從正態(tài)分布的小樣本資料，作配對(duì)t檢驗(yàn) 2)小樣本并且差值呈偏態(tài)分布資料，則用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn) 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(jī)區(qū)組的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。
2)如果小樣本時(shí)，差值呈偏態(tài)分布資料或方差不齊，則作Fredman的統(tǒng)計(jì)檢驗(yàn)。如果Fredman的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)，但用Bonferroni方法校正P值等）進(jìn)行兩兩比較。
五、分類資料的統(tǒng)計(jì)分析 1.四格表資料
1)b+c>40，則用McNemar配對(duì)c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn) 2)b+c￡40，則用二項(xiàng)分布確切概率法檢驗(yàn) 2.C×C表資料：
1)配對(duì)比較：用McNemar配對(duì)c2檢驗(yàn)或配對(duì)邊際c2檢驗(yàn) 2)一致性問題（Agreement）：用Kap檢驗(yàn)
變量之間的關(guān)聯(lián)性分析
六、兩個(gè)變量之間的關(guān)聯(lián)性分析 1.兩個(gè)變量均為連續(xù)型變量
1)小樣本并且兩個(gè)變量服從雙正態(tài)分布，則用Pearson相關(guān)系數(shù)做統(tǒng)計(jì)分析 2)大樣本或兩個(gè)變量不服從雙正態(tài)分布，則用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析 2.兩個(gè)變量均為有序分類變量，可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析
3.一個(gè)變量為有序分類變量，另一個(gè)變量為連續(xù)型變量，可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)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(shí)無需正態(tài)性），殘差與自變量無趨勢(shì)變化，則直線回歸（單個(gè)自變量的線性回歸，稱為簡單回歸），否則應(yīng)作適當(dāng)?shù)淖儞Q，使其滿足上述條件。
2.多重線性回歸：應(yīng)變量（Y）為連續(xù)型變量（即計(jì)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(shí)無需正態(tài)性），殘差與自變量無趨勢(shì)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(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用
3.二分類的Logistic回歸：應(yīng)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(duì)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(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用 2)配對(duì)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(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用 4.有序多分類有序的Logistic回歸：應(yīng)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(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用
5.無序多分類有序的Logistic回歸：應(yīng)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(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用
第四篇：醫(yī)學(xué)統(tǒng)計(jì)常見資料統(tǒng)計(jì)方法歸類
醫(yī)學(xué)統(tǒng)計(jì)常見資料統(tǒng)計(jì)方法歸類
計(jì)量資料：
一、統(tǒng)計(jì)描述： frequencies（均數(shù)、中位數(shù)、4分位間距）
二、統(tǒng)計(jì)推斷：t
1．t檢驗(yàn)： 適用于兩計(jì)量數(shù)據(jù)間平均水平的比較(compaire means)
1）一個(gè)樣本和一個(gè)總體比較：單個(gè)樣本t檢驗(yàn)One Sample T Test
2）兩個(gè)樣本：
（1）完全隨機(jī)分組—成組資料比較：兩獨(dú)立樣本t檢驗(yàn)(Independent Sample T Test)要求：樣本來自正態(tài)總體、方差齊
（2）配對(duì)設(shè)計(jì)的兩樣本資料：配對(duì)t檢驗(yàn)(Paired Sample T Test)往往是：A）治療前后數(shù)據(jù)比較
B）同一個(gè)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(gè)及兩個(gè)以上計(jì)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(jī)分組的多個(gè)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(yàn)：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(jì)量資料間總體分布的差異。(nonparametric tests)
1）配對(duì)計(jì)量資料：兩相關(guān)樣本非參數(shù)（秩和）檢驗(yàn)2 –related sample test
2）成組的兩樣本資料兩獨(dú)立樣本非參數(shù)（秩和）檢驗(yàn)2-independent sample test
3）多組資料的比較多個(gè)獨(dú)立樣本非參數(shù)（秩和）檢驗(yàn) K-independent sample test
計(jì)數(shù)資料：
卡方檢驗(yàn)：適用于兩個(gè)率或構(gòu)成比間以及多個(gè)率或構(gòu)成比間比較
1． 四格表卡方檢驗(yàn)：兩個(gè)率或構(gòu)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(jì)算卡方：條件：n
4）配對(duì)資料卡方：條件：配對(duì)設(shè)計(jì)的資料McNemar Test
2.行列表卡方檢驗(yàn)：
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(jí)資料：
非參數(shù)檢驗(yàn)：
成組的兩樣本資料兩獨(dú)立樣本非參數(shù)（秩和）檢驗(yàn)
多組資料的比較多個(gè)獨(dú)立樣本非參數(shù)（秩和）檢驗(yàn)
雙變量計(jì)量資料： 相關(guān)回歸分析(一元回歸、相關(guān)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
第五篇：醫(yī)學(xué)統(tǒng)計(jì)學(xué)統(tǒng)計(jì)方法總結(jié)
計(jì)量資料：
一、描述性分析
集中趨勢(shì)：對(duì)稱——算術(shù)均數(shù)偏態(tài)——中位數(shù)等比——幾何均數(shù) 離散趨勢(shì)：對(duì)稱——方差、標(biāo)準(zhǔn)差偏態(tài)——四分位數(shù)間距
均數(shù)懸殊或單位不同的資料比較——變異系數(shù)
二、統(tǒng)計(jì)推斷（根據(jù)樣本推斷總體）1.參數(shù)（均數(shù)）估計(jì)總體方差未知——總體方差已知——
參考值范圍：單雙側(cè)正態(tài)分布——
X?u?S
(x?t?/2v
snsn,x?t?/2v
s
sn))
(x?u?/2,x?u?/2
n
X?u?SX?u?S
偏態(tài)分布——百分位數(shù)法
二者的含義、用途 2.假設(shè)檢驗(yàn)
（1）均數(shù)的比較（正態(tài)）
單個(gè)樣本、配對(duì)（與兩獨(dú)立樣本的區(qū)別）兩樣本（方差齊——t檢驗(yàn)
方差不齊——校正t檢驗(yàn)或秩和檢驗(yàn)或變量轉(zhuǎn)換）多樣本：方差齊完全隨機(jī)設(shè)計(jì)方差分析隨機(jī)區(qū)組設(shè)計(jì)方差分析
方差不齊——秩和檢驗(yàn)或變量轉(zhuǎn)換
非正態(tài)：秩和檢驗(yàn)或變量轉(zhuǎn)換
F—+—>t
兩兩比較：SNK任兩個(gè)對(duì)比
LSD一對(duì)或幾對(duì)比較
Dunnet 實(shí)驗(yàn)與對(duì)照組比較
t——>FF=t
2(2)方差比較
兩個(gè)方差：F檢驗(yàn)（正態(tài)）
多個(gè)方差：Bartlett（正態(tài)）
Levene檢驗(yàn)
假設(shè)檢驗(yàn)注意事項(xiàng)
計(jì)數(shù)資料
一、描述性分析
頻率或嚴(yán)重程度——率
比重或構(gòu)成——構(gòu)成比
一指標(biāo)為另一指標(biāo)的若干倍或百分比——相對(duì)比
應(yīng)用注意：不能以比代率、可比性、樣本率不能直接對(duì)比
率或構(gòu)成比比較：
1.若某因素內(nèi)部構(gòu)成不同并且影響比較，進(jìn)行標(biāo)化
二、統(tǒng)計(jì)推斷
1.參數(shù)估計(jì)
二項(xiàng)分布率的估計(jì)：查表或正態(tài)法
泊松分布均數(shù)估計(jì)：查表或正態(tài)法
2.假設(shè)檢驗(yàn)
單個(gè)樣本率：直接法或二項(xiàng)分布U檢驗(yàn)泊松分布U檢驗(yàn)（率很?。﹥蓸颖韭实谋容^：四格表?2檢驗(yàn)（校正）
二項(xiàng)分布U檢驗(yàn)（n大、np>5,n(1-p)>5）
泊松分布U檢驗(yàn)（（率很?。?/p>
精確概率法
多個(gè)率或構(gòu)成比比較：?2檢驗(yàn)(理論數(shù)不能小于1或小于的理論數(shù)
不能多于5分1)
兩兩比較：
任兩個(gè)對(duì)比、實(shí)驗(yàn)與對(duì)照組比較
等級(jí)資料：-----效應(yīng)比較
秩和檢驗(yàn)
兩變量關(guān)系：
1.定量（計(jì)量資料）正態(tài)pearson相關(guān) 回歸
非正態(tài)秩相關(guān)
2．無序分類定性
3.有序分類定性?2檢驗(yàn)和列聯(lián)相關(guān)系數(shù)
（1）單向有序分組有序、指標(biāo)無序卡方檢驗(yàn)分組無序、指標(biāo)有序秩和檢驗(yàn)
（2）雙向有序
屬性相同屬性不同Kappa檢驗(yàn) 線性趨勢(shì)秩相關(guān)
第六篇：醫(yī)學(xué)統(tǒng)計(jì)學(xué)名詞解釋概念總結(jié)
醫(yī)學(xué)統(tǒng)計(jì)學(xué)名詞解釋概念總結(jié)
醫(yī)學(xué)統(tǒng)計(jì)學(xué): 是用統(tǒng)計(jì)學(xué)原理和方法研究生物醫(yī)學(xué)問題的一門學(xué)科。他包括了研究設(shè)計(jì)、數(shù)據(jù)收集、整理、分析以及分析結(jié)果的正確解釋和表達(dá)。 統(tǒng)計(jì)描述：用統(tǒng)計(jì)指標(biāo)、統(tǒng)計(jì)圖表對(duì)資料的數(shù)量特征及分布規(guī)律進(jìn)行客觀的描述和表達(dá)。
統(tǒng)計(jì)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(jì)：用樣本的指標(biāo)去推斷總體相應(yīng)的指標(biāo)
②假設(shè)檢驗(yàn)：由樣本的差異推斷總體之間是否可能存在的差異
同質(zhì)：一個(gè)總體中有許多個(gè)體，他們之所以共同成為人們研究的對(duì)象，必定存在共性，我們說一些個(gè)體處于同一總體，就是指他們大同小異，具有同質(zhì)性。
總體（population）是根據(jù)研究目的確定的同質(zhì)的觀察單位的全體，更確切的說，是同質(zhì)的所有觀察單位某種觀察值（變量值）的集合?？傮w可分為有限總體和無限總體。總體中的所有單位都能夠標(biāo)識(shí)者為有限總體，反之為無限總體。
樣本：從總體中隨機(jī)抽取部分觀察單位，其測(cè)量結(jié)果的集合稱為樣本（sample）。樣本應(yīng)具有代表性。所謂有代表性的樣本，是指用隨機(jī)抽樣方法獲得的樣本。
隨機(jī)抽樣：隨機(jī)抽樣（random sampling）是指按照隨機(jī)化的原則（總體中每一個(gè)觀察單位都有同等的機(jī)會(huì)被選入到樣本中），從總體中抽取部分觀察單位的過程。隨機(jī)抽樣是樣本具有代表性的保證。
變異：在自然狀態(tài)下，個(gè)體間測(cè)量結(jié)果的差異稱為變異（variation）。變異是生物醫(yī)學(xué)研究領(lǐng)域普遍存在的現(xiàn)象。嚴(yán)格的說，在自然狀態(tài)下，任何兩個(gè)患者或研究群體間都存在差異，其表現(xiàn)為各種生理測(cè)量值的參差不齊。
（1）計(jì)量資料：對(duì)每個(gè)觀察單位用定量的方法測(cè)定某項(xiàng)指標(biāo)量的大小，所得的資料稱為計(jì)量資料（measurement data）。計(jì)量資料亦稱定量資料、測(cè)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(jì)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(jì)數(shù)資料（count data）。計(jì)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?qū)傩浴?/p>
（3）等級(jí)資料：將觀察單位按測(cè)量結(jié)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(jí)資料（ordinal data）。
概率：概率(probability)又稱幾率，是度量某一隨機(jī)事件A發(fā)生可能性大小的一個(gè)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(dú)立重復(fù)做n 次試驗(yàn)，事件A 出現(xiàn)了m 次，則比值m/n 稱為隨機(jī)事件A 在n 次試驗(yàn)中出現(xiàn)的頻率(freqency)。當(dāng)試驗(yàn)重復(fù)很多次時(shí)P（A）= m/n。
隨機(jī)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(jī)的變化。誤差變量一般服從正態(tài)分布。隨機(jī)誤差可以通過統(tǒng)計(jì)處理來估計(jì)。
抽樣誤差（sampling error ）是指樣本統(tǒng)計(jì)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(jì)量是在總體參數(shù)附近波動(dòng)的隨機(jī)變量。
系統(tǒng)誤差：系統(tǒng)誤差(systematic error)是指由于儀器未校正、測(cè)量者感官的某種偏差、醫(yī)生掌握療效標(biāo)準(zhǔn)偏高或偏低等原因，使觀察值不是分散在真值的兩側(cè)，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(shí)驗(yàn)設(shè)計(jì)和完善技術(shù)措施來消除或使之減少。
隨機(jī)變量：隨機(jī)變量（random variable）是指取指不能事先確定的觀察結(jié)果。隨機(jī)變量的具體內(nèi)容雖然是各式各樣的，但共同的特點(diǎn)是不能用一個(gè)常數(shù)來表示，而且，理論上講，每個(gè)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(jì)指標(biāo)，如總體均數(shù)、總體率等。總體參數(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(jī)抽樣抽取有代表性的樣本，用算得的樣本統(tǒng)計(jì)量估計(jì)未知的總體參數(shù)。
統(tǒng)計(jì)量：統(tǒng)計(jì)量（statistic）是指樣本的統(tǒng)計(jì)指標(biāo)，如樣本均數(shù)、樣本率等。樣本統(tǒng)計(jì)量可用來估計(jì)總體參數(shù)?？傮w參數(shù)是固定的常數(shù)，統(tǒng)計(jì)量是在總體參數(shù)附近波動(dòng)的隨機(jī)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(shù)均數(shù)（arithmetic mean）描述一組數(shù)據(jù)在數(shù)量上的平均水平?？傮w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(duì)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(xué)統(tǒng)計(jì)學(xué)名詞解釋概念總結(jié)》全文內(nèi)容當(dāng)前網(wǎng)頁未完全顯示，剩余內(nèi)容請(qǐng)?jiān)L問下一頁查看。
