(1n>40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 x2 (2n≤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 Poisson分布资料 1.单样本资料与总体比较: 1)观察值较小时:用确切概率法进行检验。 2)观察值较大时:用正态近似的U检验 2两个样本比较:用正态近似的U检验 配对设计或随机区组设计 四、两组或多组计量资料的比较 1两组资料: 1)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 2)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 2.多组资料 1)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 2)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。 五、分类资料的统计分析 1.四格表资料 1)b+c>40,则用 McNemar配对x2检验或配对边际x2检验 2)b+c≤40,则用二项分布确切概率法检验 2C×C表资料: 1)配对比较:用 McNemar配对x2检验或配对边际x2检验 2)一致性问题( Agreement):用Kap检验 变量之间的关联性分析 六、两个变量之间的关联性分析 1.两个变量均为连续型变量 1)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 2)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 2两个变量均为有序分类变量,可以用 Spearman相关系数进行统计分析 3.一个变量为有序分类变量,另一个变量为连续型变量,可以用 Spearman相关系数进行 统计分析 七、回归分析 1直线回归:如果回归分析中的残差服从正态分布(大样本时无需正态性),残差与自变 量无趋势变化,则直线回归(单个自变量的线性回归,称为简单回归),否则应作适当 的变换,使其满足上述条件。(1)n>40 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 三、Poisson 分布资料 1.单样本资料与总体比较： 1)观察值较小时：用确切概率法进行检验。 2)观察值较大时：用正态近似的 U 检验。 2.两个样本比较：用正态近似的 U 检验。 配对设计或随机区组设计 四、两组或多组计量资料的比较 1.两组资料： 1)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 2)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 2.多组资料： 1)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。 2)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。 五、分类资料的统计分析 1.四格表资料 1)b+c>40，则用 McNemar 配对  2 检验或配对边际 2 检验 2)b+c40，则用二项分布确切概率法检验 2.C×C 表资料： 1)配对比较：用 McNemar 配对  2 检验或配对边际 2 检验 2)一致性问题（Agreement）：用 Kap 检验 变量之间的关联性分析 六、两个变量之间的关联性分析 1.两个变量均为连续型变量 1)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 2)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 2.两个变量均为有序分类变量，可以用 Spearman 相关系数进行统计分析 3.一个变量为有序分类变量，另一个变量为连续型变量，可以用 Spearman 相关系数进行 统计分析 七、回归分析 1.直线回归：如果回归分析中的残差服从正态分布（大样本时无需正态性），残差与自变 量无趋势变化，则直线回归（单个自变量的线性回归，称为简单回归），否则应作适当 的变换，使其满足上述条件