第22章統計學方法選擇與結果解釋 統計方法選擇的基本思路 數據特征 樣本含量 研究目的 對比組數 設計類型 資料類型 綜合判斷 研究目的 影響因素分析通過比較觀測指標 分布 的差別說明是否歸因于處理因素或分組因素 假設檢驗分析變量之間是否存在某種聯系 相關或回歸分析評價預測 總體間比較 t檢驗 t 檢驗 2檢驗秩和檢驗方差分析Z檢驗 大樣本正態近似 二項 Poisson分布 變量間關系 回歸分析 數量依存關系簡單直線回歸多重線性回歸 對反應變量為定量變量進行的多變量分析logistic回歸 對反應變量為分類變量所進行的多變量分析Cox比例風險回歸 對反應變量為含有截尾數據的生存時間所進行的分析曲線回歸 關聯性分析直線相關秩相關偏相關列聯系數 生存分析結局時間截尾 甲 乙兩藥治療小兒上消化道出血的效果 例如 一個四格表資料可以進行的統計分析或計算的統計量至少有差異性檢驗和獨立性檢驗 列聯系數 kappa系數 OR值 RR值 靈敏度 特異度等 設計類型 研究總體 可比性 設計類型 涉及設計中引入的因素試驗性研究完全隨機設計 單因素配對 配伍設計 兩因素無重復設計 2因素析因設計 兩因素有重復設計 2因素 交互效應交叉設計 處理因素 順序 階段 個體觀察性研究 獨立總體橫斷面研究隊列研究病例對照研究 獨立樣本假設檢驗 兩樣本 成組 t檢驗單因素方差分析 2檢驗 獨立樣本 兩樣本Wilcoxon秩和檢驗或多樣本Kruskal Wallis秩和檢驗 匹配設計 配對t檢驗方差分析配對 Wilcoxon單樣本秩和檢驗 或配伍設計的秩和檢驗 Friedman秩和檢驗 McNemar檢驗 資料類型 資料類型不同 分布不同 統計描述的指標不同定量資料定性資料等級資料 分析條件 考察數據特征 參數分析方法本身的分析條件正態獨立方差齊變量變換非參數分析降低檢驗效能 對比組數 兩總體間比較t檢驗或 2檢驗秩和檢驗方差分析Z檢驗 大樣本正態近似 二項分布 多總體間比較 兩兩比較增大犯I型錯誤的概率調整 水準多總體綜合比較方差分析R C 2檢驗秩和檢驗進一步兩兩比較LSD SNK 2分割等 樣本例數 分布 t分布 正態分布 二項分布Poisson分布 正態分布 2 2分布 樣本例數足夠大 統計分析應注意的問題 分析的步驟 數據探測異常值 離群值直方圖 散點圖 趨勢線圖等正態性 方差齊性檢驗統計描述選擇合適的指標表達群體指標分布最有代表性的值 統計推斷區間估計假設檢驗 引例分析 次 分 0 140g L 0 140g L 假設檢驗 x 155g L 混雜因素的控制 綜合效應處理因素非處理因素均衡 可比性 各組觀測指標之間的差異只能歸因于研究因素而不是其它原因混雜因素不具可比的非處理因素 某病兩種療效的治愈率比較 混雜因素 對于不具可比性的資料 基本的統計調整技術分層分析標準化CMH卡方檢驗多因素分析 某病兩種療效的治愈率比較 混雜因素 正確理解可比性 均衡 可比性各組觀測指標之間的差異只能歸因于研究因素而不是其它原因 比較A B兩地區肺癌死亡率的高低 總的肺癌死亡率A地區高于B地區 但B地區各年齡組肺癌死亡率卻均高于A地區 由于肺癌死亡率與年齡有關 通常隨年齡增高而增高 A B兩地區各年齡組人口構成不同 A地區高年齡組人口構成大于B地區 這就造成了A地區總的肺癌死亡率高于B地區 上述矛盾是因為兩地人口年齡構成不同造成的 所謂可比性問題其實與研究目的有關 如肺癌一例 假定已知年齡是肺癌死亡率的影響因素 如果想探索除了年齡之外還有沒有其它因素影響肺癌死亡率 那么就應該對年齡進行標準化 如果標化后A B兩地肺癌死亡率相同 則說明年齡是影響肺癌死亡率的唯一因素 數據的分組問題 分組 就是將專業上認為性質相同的個體歸在一起 將性質不同的個體區別開來試圖在專業上反映出組內的同一性和組間的差異性在此基礎上進行的數據分析才有可能揭示出事物的本質和規律 損失信息專業意義同一性變異性 美國兒科雜志曾報道了醫生間關于口服氨芐青霉素副作用研究的一場有趣的爭論 表1口服氨芐青霉素的副作用 A醫生認為 腹瀉副作用不論劑量大小均常發生 雖隨劑量增加而增加 但無統計學意義 Pearson檢驗P 0 05 見表1 B醫生認為 在缺乏未服氨芐青霉素對照組時 只好以50mg組與較大劑量組比較 若腹瀉與劑量無關 則兩組腹瀉發生率差異應無統計學意義 因此 將較大劑量各組合并 見表2 表2表1合并后的結果 結果 較大劑量組的腹瀉發生率 約30 高于50mg組 21 檢驗P 0 05 因此 認為腹瀉與藥物劑量有關 C醫生認為 假如上述合并后面三組再比較的方法妥當的話 則反過來并組也應一樣 即 200mg組的腹瀉發生率應低于200mg組 結果 兩組腹瀉發生率分別為30 和32 檢驗P 0 5 因此 不能同意腹瀉發生率與口服氨芐青霉素劑量有關 表3按另一種分組合并的結果 結果的正確解釋 統計學檢驗與客觀事實用概率的方法 利用樣本信息驗證客觀事實是否真正存在概率基礎上的結果 犯錯誤I型錯誤II型錯誤 樣本例數過小 檢驗效能過低 統計學結論和專業意義統計學結果和因果推論 不同類型研究結果的論證強度 橫斷面研究病例對照研究隊列研究試驗性研究 不同分析單位數據分析結果 生態學謬誤群體數據結論向個體推論 一個經典例子 Durkheim資料分析所下的結論對若干地區的調查發現 地區中基督徒人數所占比例越大 自殺率就越高 相關和回歸分析結果表明 基督徒人數比例與自殺率呈現出很強的聯系 即基督徒自殺率高于其它宗教人群 但這種因果推論很可能是有問題的 因為并不知道這些自殺者到底來自哪些人群 它完全可