导图社区 统计方法
对目前的统计方法简单归纳。不足之处，请谅解。
社区模板帮助中心，点此进入>>
安全教育的重要性
个人日常活动安排思维导图
西游记主要人物性格分析
17种头脑风暴法
小儿常见病的辩证与护理
蛋白质
如何令自己更快乐
头脑风暴法四个原则
均衡饮食一周计划
思维导图
统计方法
两组或者多组计量资料
两组资料
大样本资料或服从正态分布的小样本资料
若方差齐性，则作成组t检验
若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验
小样本偏态分布资料，则用成组的Wilcoxon秩和检验
多组资料
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。
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。
分类资料的统计分析
单样本资料与总体比较
二分类资料
大样本时：用U检验
小样本时：用二项分布进行确切概率法检验
多分类资料：用Pearson c2检验（又称拟合优度检验）
四格表资料
n>40并且所以理论数大于5，则用Pearson c2
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 c2或用Fisher’s 确切概率法检验
n≤40或存在理论数<1，则用Fisher’s 检验
2×C表资料的统计分析
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 c2或成组的Wilcoxon秩和检验
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c2检验
行变量和列变量均为无序分类变量
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 c2
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
R×C表资料的统计分析
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 c2或Kruskal Wallis的秩和检验
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 c2
列变量和行变量均为有序多分类变量，可以作Spearman相关分析
列变量和行变量均为无序多分类变量
Poisson分布资料
观察值较大时：用正态近似的U检验
观察值较小时：用确切概率法进行检验
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
两组或多组计量资料的比较
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
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
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。
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。
b+c>40，则用McNemar配对 c2检验或配对边际c2检验
b+c≤40，则用二项分布确切概率法检验
C×C表资料
配对比较：用McNemar配对 c2检验或配对边际c2检验
一致性问题（Agreement）：用Kap检验
变量之间的关联性分析
两个变量之间的关联性分析
两个变量均为连续型变量
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
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
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
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
回归分析
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
多重线性回归
应变量（Y）为连续型变量（即计量资料），自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。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，可以作多重线性回归。
观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素
实验性研究：在保持主要研究因素变量（干预变量）外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
二分类的Logistic回归
应变量为二分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量。
非配对的情况：用非条件Logistic回归
配对的情况：用条件Logistic回归
有序多分类有序的Logistic回归
应变量为有序多分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量
无序多分类有序的Logistic回归
应变量为无序多分类变量，自变量（X1，X2，…，Xp）可以为连续型变量、有序分类变量或二分类变量
结果的混杂作用
生存分析资：要求资料记录结局和结局发生的时间（如；死亡和死亡发生的时间）
用Kaplan-Meier方法估计生存曲线
大样本时，可以寿命表方法估计
单因素可以用Log－rank比较两条或多条生存曲线
多个因素时，可以作多重的Cox回归
浮动主题
