数据分析的统计方法选择小结 完全随机分组设计的资料 两组或多组计量资料的比较 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 x2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 x2 2)n>40并且所以理论数大于1并且至少存在一个理论数<5,则用校正x2或用 Fisher's 确切概率法检验 3)n≤40或存在理论数<1,则用 Fisher's检验 32×C表资料的统计分析 1)列变量为效应指标,并且为有序多分类变量,行变量为分组变量,则行评分的CMHx 或成组的 Wilcoxon秩和检验 2)列变量为效应指标并且为二分类,列变量为有序多分类变量,则用趋势x2检验 3)行变量和列变量均为无序分类变量 (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 Pearson2 (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 R×C表资料的统计分析 1)列变量为效应指标,并且为有序多分类变量,行变量为分组变量,则CMHx2或 Kruskal Wallis的秩和检验 2)列变量为效应指标,并且为无序多分类变量,行变量为有序多分类变量,作 none zero correlation analysis A]CMH 3)列变量和行变量均为有序多分类变量,可以作 Spearman相关分析 4)列变量和行变量均为无序多分类变量,数据分析的统计方法选择小结 完全随机分组设计的资料 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  2 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  2 2)n>40 并且所以理论数大于 1 并且至少存在一个理论数<5，则用校正  2 或用 Fisher’s 确切概率法检验 3)n40 或存在理论数<1，则用 Fisher’s 检验 3. 2×C 表资料的统计分析 1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则行评分的 CMH  2 或成组的 Wilcoxon 秩和检验 2)列变量为效应指标并且为二分类，列变量为有序多分类变量，则用趋势 2 检验 3)行变量和列变量均为无序分类变量 (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 4. R×C 表资料的统计分析 1)列变量为效应指标，并且为有序多分类变量，行变量为分组变量，则 CMH  2 或 Kruskal Wallis 的秩和检验 2)列变量为效应指标，并且为无序多分类变量，行变量为有序多分类变量，作 none zero correlation analysis 的 CMH  2 3)列变量和行变量均为有序多分类变量，可以作 Spearman 相关分析 4)列变量和行变量均为无序多分类变量