统计学分析

统计一词起源于国情调查，最早意为国情学。一般来说，统计包括三个含义：统计工作、统计资料和统计科学。这是统计学分析的相关内容，内容包括概述、多因素分析、结构方程模型、META分析。

统计学分析

• 多因素分析
  • 多因素方差分析
    • 用来研究两个及两个以上控制变量是否对观测变量产生显著影响。
    • 数据要求
      • 对因变量之间的关系有专门的要求----存在一定程度的相关
      • 总规模中需要较大数量，各分组中也要有一定数量的案例
    • 假设条件
      • 案例来自随机抽样
      • 各因变量为正太分布且方差相等
      • 各因变量之间为多因素正态分布
  • 重复测量数据的方差分析
    • 被试对象在接受不同处理后，对同一因变量（测试指标）在不同的点上进行多次测量所得的资料（数据）
    • 应用条件
      • 1.正态性处理因素的各处理水平的样本个体彼此相互独立，是随机样本，整体样本均数服从正态分布
      • 2.方差齐
      • 3.由每个时间点组成的协方差阵具有球形特征
    • 应用方法
      • 首先用球形检验判断是否满足Huynh-Feldt
      • 球形条件不满足
        • 采用MANOVA（多变量方差分析方法）
        • 重复测量ANOVA检验结果中与时间有关的F值的自由度进行调小
  • 多元线性回归
    • 确定两种或两种以上变量间相互依赖的定量关系
      • 分为线性回归和非线性回归可
    • 满足条件
      • 线性
      • 独立性
      • 方差性
      • 正态性
    • 目的
      • 影响因素分析
      • 估计和测量
      • 统计控制
  • logistic回归分析
    • 等级资料的回归分析
    • 模型
      • 回归系数估计
      • 回归模型的统计检验
        • 对整体模型的检验
        • 回归系数的检验
        • 系数子集的联合假设检验
    • 注意事项
      • 样本量要充足
      • 模型的自变量可以是无序分类变量、有序分类变量和数值变量
• 结构方程模型
  • 因子分析
    • 因子分析模型
    • 一般步骤
      • 1.将观察指标标准化，计算相关矩阵
      • 2.求解初始公因子以及因子负荷矩阵
      • 3.因子旋转
      • 4.计算因子得分
  • 路径分析
    • 路径图
      • 子主题
    • 步骤
      • 1.模型设定
      • 2.模型拟合
      • 3.模型评估
      • 4.模型修正
• META分析
  • 是通过综合、分析多个研究结果，提供一个量化的平均效果或联系，从而回答研究问题
  • 计划书的制定
    • 1.分析目的
    • 2.文献检索策略
    • 3.纳入排除标准
    • 4.文献信息提取和数据库建立
    • 5.文献质量评价
    • 6.统计学方法选择
    • 7.偏倚的评价
    • 8.总结报告
  • 统计方法
    • 1.资料的齐性检验及意义
    • 2.固定和随机效应模型的统计方法的选择
    • 3.模型效应测量值和统计方法的选择
  • 森林图
  • 漏斗图
• 概述
  • 统计分析
    • 统计描述
    • 统计推断
  • 变量
    • 数值变量
    • 分类变量
      • 无序分类
      • 有序分类
  • 数据整理
    • 1.数据的审核
      • 专业检查
      • 统计检查
      • 人工检查和计算机检查
    • 2.设计分组
      • 合理分组要素
        • 研究目的
        • 资料性质
        • 样本含量
        • 统计分析方法
      • 分组方法
        • 标志不同
          • 类型分组
          • 数量分组
        • 标志个数不同
          • 简单分组
          • 复合分组
      • 分组程序
        • 选择分组标志
        • 选择分组方法
        • 确定组数
        • 划分组距
        • 确定组限
    • 3.拟定整理表
      • 画记法
      • 分卡法
      • 电子计算机汇总法
  • 缺失值的处理
    • 缺失类型
      • 可忽略缺失
        • 完全随机缺失
        • 随机缺失
      • 不可忽略缺失
    • 处理方法
      • （1）完整观测单位法
        • 删除法
        • 加权调整法
      • （2）填补法
        • 单一填补法
        • 多重填补法
      • （3）指示变量法
      • （4）EM算法的最大似然法
  • 方法的选择
    • 正确选择步骤
    • 依据资料类型
    • 依据变量个数和设计类型
    • 结合研究目的