医学统计学复习

医学统计学复习

医学统计学学习的内容；正态性检验，t检验，方差分析，卡方检验，非参数检验，pearson相关，spearman相关，双变量回归，多元变量的线性回归，主成分分析等。

其中t检验包括单个样本的t检验,两个独立样本的t检验,两个配对样本的t检验。

非参数检验主要用的是wilcoxon配对样本的wilcoxon符号秩检验，两个独立样本wilcoxon秩和检验和K-W 检验（用来代替方差分析） 得到一批数据首先对其进行正态性检如果符合正太性，可以考虑使用t检验，卡方检验；如果不满足正态性，则考虑使用非参数检验

T检验 数据分布满足正态性 数据 正态性检验 方差分析 Wilcoxon秩转换检验 数据不满足正态分布 K-W H检验

T检验与方差分析的区别是t检验用于两组数据的比较，而方差分析用于三组或者更多数据的比较。

1、正态性检验：分析—>描述统计—>探索—>将数据放入因变量列表—>绘图中选择带检验的正态图—>读取结果：样本数>100读K-S一

栏，若sig值（显著性）>0.05说明数据分布呈正态性，反之则不成正态分布；样本数>100读S-W一栏，若sig值（显著性）>0.05说明数据分布呈正态性，反之则不成正态分布。

2、当数据满足正态分布时，单个样本的t检验：分析—>比较均值—>单个样本的t检验—>将数据放入检验变量，同时将整体均数放入检验值中—>结果读取：读t值和显著性值，若sig值>0.05说明该样本均数与总体均数无差异，反之说明有差异。

3、当数据满足正态分布时，两个配对样本的t检验：分析—>比较均值—>配对样本的t检验—>将两组数据分别放入variable中—>读取结果：读t值和sig值，若sig>0.05说明两组数据均值无差异，反之说明有差异。

4、当数据满足正态分布时，两个独立样本的t检验：分析—>比较均值—>独立样本的t检验—>把数据放入检验变量，把group放入分组变量，并定义组—>读取结果：先看方差齐性检验，若sig值>0.05说明方差齐，看第一行的t值和sig值，若sig>0.05说明两组均数无差异，反之有差异。当方差不齐时看第二行的t值（即t’值）和sig值，若sig>0.05说明两组均数无差异，反之有差异。 5、当数据满足正态分布时，方差分析：分析—>比较均值—>单因素方差分析—>将数据放入因变量列表，将group放入因子列表，同时在选项中选择方差同质性检验—>读取结果，先看levene检验的结果，若sig值>0.05说明方差齐，然后读F值和sig值，若sig值>0.05说明所选几组数据间无差异；反之，说明这几组数据有差异，接着：

分析—>比较均值—>单因素方差分析—>将数据放入因变量列表，将group放入因子列表，同时选取事后多重比较中的LSD-t检验—>读取结果，从sig>0.05与否判断哪些组之间有差异。若方差不齐，则无法用单因素方差分析。

6、当数据满足不正态分布时，wilcoxon带符号秩检验：分析—>非参数检验—>旧对话框：2个相关样本检验—>将数据分别放入variable中—>读取结果：读Z值和sig值，若sig值>0.05说明两组数据无差异，反之则有差异。

7、当数据满足不正态分布时，wilcoxon秩和检验：分析—>非参数检验—>旧对话框，2个独立样本t检验—>将数据放入检验变量，将group放入分组变量，并定义组—>结果读取Z值和sig值，若sig>0.05说明有无差异，反之则有差异。

8、当数据满足不正态分布时，K-W H检验：分析—>非参数检验—>旧对话框，k个独立样本—>将数据放入检验量列表，将group放到分组变量，并定义组—>读取卡方和sig值，若sig值>0.05说明无差异，反之则有差异。

9、卡方检验用于配对计数资料的比较：（1）数据—>加权个案—>选择加权个案，将频数放入频率变量；（2）分析—>描述统计—>交叉表格—>依次将数据放入行列中（行为重点）—>在统计量中选择卡方—>结果读取，读pearson卡方和sig值，若sig>0.05说明无差异，反之有差异。

10、pearson相关（适用于计量资料）：分析—>相关—>双变量—>把

数据放入变量—>读取结果：看pearson相关性和sig值，若sig>0.05说明两者不相关，反之则说明相关。

11、sperman秩相关（适用于构成比、死亡率、group变量）：分析—>相关—>双变量—>将数据放入变量，同时选取sperman相关—>读取结果，看sperman相关系数和sig值，若sig值>0.05说明两组数据不相关，反之说明相关。

12、二元线性回归：分析—>回归—>线性—>将y放入因变量列表，将x放入自变量列表—>读取结果（从后往前读）：先得到回归方程；ANOVA的sig值必须小于0.05，说明回归成的存在，ANOVA值反映出回归方程的稳定性，模型汇总R2反应了回归方程的准确性，R2反应回归贡献度的相对程度，也就是在总变异中回归系数所能解释的百分比 13、多元线性回归：主要是比较向前与向后的差别

分析—>回归—>线性—>将y放入因变量列表，将x1、x2、x3……放入自变量列表—>结果读取：从后向前读，首先写出回归方程，接着看ANOVA的值，看模型汇总的值，看自变量的个数。

决定选择向前还是向后方法主要考虑的内容为：自变量的个数、稳定性ANOVA、准确性R2、回归方程中单个变量。

14、主成分分析：分析—>降维—>因子分析—>将x1、x2、x3……放入变量列表，选择得分中的保存变量—>读取结果：看在数据中新增加的变量，按升序或降序排列即可知道那个因子的影响比较大 15、非条件的logistic分析： 一、两组或多组计量资料的比较

1.两组资料：

1)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 2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验 2.多组资料：

1)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。

2)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。 二、分类资料的统计分析 1.单样本资料与总体比较 1)二分类资料：

(1)小样本时：用二项分布进行确切概率法检验； (2)大样本时：用U检验。

2)多分类资料：用Pearson c2检验（又称拟合优度检验）。 2. 四格表资料

1)n>40并且所以理论数大于5，则用Pearson c2

本文来源：https://www.bwwdw.com/article/2kif.html