文档介绍：该【SPSS数据分析的医学统计方法选择 】是由【HShess】上传分享，文档一共【46】页，该文档可以免费在线阅读，需要了解更多关于【SPSS数据分析的医学统计方法选择 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。SPSS数据分析的医学统计方法选择172SPSS数据分析的医学统计方法选择目录数据分析的统计方法选择小结 错误!未定义书签。目录 2●资料1 4完全随机分组设计的资料 4配对设计或随机区组设计 7变量之间的关联性分析 9●资料2 ×C表或R×2表资料的统计分析 ×C表资料的统计分析 (等级资料)????等级相关 46●资料1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: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KruskalWallis的统计检验。如果KruskalWallis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。175分类资料的统计分析单样本资料与总体比较二分类资料:小样本时:用二项分布进行确切概率法检验;大样本时:用U检验。多分类资料:用Pearsonc2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Pearsonc2n>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175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CMHc2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Pearsonc2n￡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CMHc2或KruskalWallis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nonezerocorrelationanalysis的CMHc2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,176n>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Pearsonc2n￡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分布资料单样本资料与总体比较:观察值较小时:用确切概率法进行检验。观察值较大时:用正态近似的U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两组资料: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的符号配对秩检验多组资料: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。178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。分类资料的统计分析四格表资料b+c>40,emar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:emar配对c2检验或配对边际c2检验一致性问题(Agreement):用Kap检验178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。1710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配对的情况:用条件Logistic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1710