 |
 |
醫(yī)學(xué)職稱(chēng)論文如何選擇統(tǒng)計(jì)學(xué)方法？
通常情況下，醫(yī)學(xué)論文需要應(yīng)用統(tǒng)計(jì)學(xué)，對(duì)大量的數(shù)據(jù)進(jìn)行必要的統(tǒng)計(jì)學(xué)分析，并將統(tǒng)計(jì)的結(jié)果展現(xiàn)在論文中用于論證文章的觀點(diǎn)和理論。這時(shí)候，選擇合適的統(tǒng)計(jì)學(xué)方法就尤為重要。那么，醫(yī)學(xué)論文該如何選擇統(tǒng)計(jì)學(xué)方法呢?
一、兩組或多組計(jì)量數(shù)據(jù)的比較
1.兩組數(shù)據(jù)：
1)大樣本數(shù)據(jù)或服從正態(tài)分布的小樣本數(shù)據(jù)
(1)若方差齊性，則作成組t檢驗(yàn)
(2)若方差不齊，則作t’檢驗(yàn)或用成組的Wilcoxon秩和檢驗(yàn)
2)小樣本偏態(tài)分布數(shù)據(jù)，則用成組的Wilcoxon秩和檢驗(yàn)
2.多組數(shù)據(jù)：
1)若大樣本數(shù)據(jù)或服從正態(tài)分布，并且方差齊性，則作完全隨機(jī)的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，論文客服QQ，81995535則進(jìn)一步選擇合適的方法(如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等)進(jìn)行兩兩比較。
2)如果小樣本的偏態(tài)分布數(shù)據(jù)或方差不齊，則作Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)。如果Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步選擇合適的方法(如：用成組的Wilcoxon秩和檢驗(yàn)，但用Bonferroni方法校正P值等)進(jìn)行兩兩比較。
二、分類(lèi)數(shù)據(jù)的統(tǒng)計(jì)分析
1.單樣本數(shù)據(jù)與總體比較
1)二分類(lèi)數(shù)據(jù)：
(1)小樣本時(shí)：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn);
(2)大樣本時(shí)：用U檢驗(yàn)。
2)多分類(lèi)數(shù)據(jù)：用Pearson c2檢驗(yàn)(又稱(chēng)擬合優(yōu)度檢驗(yàn))。
2. 四格表數(shù)據(jù)
1)n>40并且所以理論數(shù)大于5，則用Pearson c2
2)n>40并且所以理論數(shù)大于1并且至少存在一個(gè)理論數(shù)<5，則用校正 c2或用Fisher’s 確切概率法檢驗(yàn)
3)n￡40或存在理論數(shù)<1，則用Fisher’s 檢驗(yàn)
3. 2×C表數(shù)據(jù)的統(tǒng)計(jì)分析
1)列變量為效應(yīng)指標(biāo)，并且為有序多分類(lèi)變量，行變量為分組變量，則行評(píng)分的CMH c2或成組的Wilcoxon秩和檢驗(yàn)
2)列變量為效應(yīng)指標(biāo)并且為二分類(lèi)，列變量為有序多分類(lèi)變量，則用趨勢(shì)c2檢驗(yàn)
3)行變量和列變量均為無(wú)序分類(lèi)變量
(1)n>40并且理論數(shù)小于5的格子數(shù)<行列表中格子總數(shù)的25%，則用Pearson c2
(2)n￡40或理論數(shù)小于5的格子數(shù)>行列表中格子總數(shù)的25%，則用Fisher’s 確切概率法檢驗(yàn)
4. R×C表數(shù)據(jù)的統(tǒng)計(jì)分析
1)列變量為效應(yīng)指標(biāo)，并且為有序多分類(lèi)變量，行變量為分組變量，則CMH c2或Kruskal Wallis的秩和檢驗(yàn)
2)列變量為效應(yīng)指標(biāo)，并且為無(wú)序多分類(lèi)變量，行變量為有序多分類(lèi)變量，作none zero correlation analysis的CMH c2
3)列變量和行變量均為有序多分類(lèi)變量，可以作Spearman相關(guān)分析
4)列變量和行變量均為無(wú)序多分類(lèi)變量，
(1)n>40并且理論數(shù)小于5的格子數(shù)<行列表中格子總數(shù)的25%，則用Pearson c2
(2)n￡40或理論數(shù)小于5的格子數(shù)>行列表中格子總數(shù)的25%，則用Fisher’s 確切概率法檢驗(yàn)
三、兩組或多組計(jì)量數(shù)據(jù)的比較
1.兩組數(shù)據(jù)：
1)大樣本數(shù)據(jù)或配對(duì)差值服從正態(tài)分布的小樣本數(shù)據(jù)，作配對(duì)t檢驗(yàn)
2)小樣本并且差值呈偏態(tài)分布數(shù)據(jù)，則用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)
2.多組數(shù)據(jù)：
1)若大樣本數(shù)據(jù)或殘差服從正態(tài)分布，并且方差齊性，則作隨機(jī)區(qū)組的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，醫(yī)學(xué)全在,線f1411.cn則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法(如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等)進(jìn)行兩兩比較。
2)如果小樣本時(shí)，差值呈偏態(tài)分布數(shù)據(jù)或方差不齊，則作Fredman的統(tǒng)計(jì)檢驗(yàn)。如果Fredman的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法(如：用Wilcoxon的符號(hào)配對(duì)秩檢驗(yàn)，但用Bonferroni方法校正P值等)進(jìn)行兩兩比較。
四、回歸分析
1.直線回歸：如果回歸分析中的殘差服從正態(tài)分布(大樣本時(shí)無(wú)需正態(tài)性)，殘差與自變量無(wú)趨勢(shì)變化，則直線回歸(單個(gè)自變量的線性回歸，稱(chēng)為簡(jiǎn)單回歸)，否則應(yīng)作適當(dāng)?shù)淖儞Q，使其滿足上述條件。
2.多重線性回歸：應(yīng)變量(Y)為連續(xù)型變量(即計(jì)量數(shù)據(jù))，自變量(X1，X2，…，Xp)可以為連續(xù)型變量、有序分類(lèi)變量或二分類(lèi)變量。如果回歸分析中的殘差服從正態(tài)分布(大樣本時(shí)無(wú)需正態(tài)性)，殘差與自變量無(wú)趨勢(shì)變化，可以作多重線性回歸。
1)觀察性研究：可以用逐步線性回歸尋找(擬)主要的影響因素
2)實(shí)驗(yàn)性研究：在保持主要研究因素變量(干預(yù)變量)外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用
3.二分類(lèi)的Logistic回歸：應(yīng)變量為二分類(lèi)變量，自變量(X1，X2，…，Xp)可以為連續(xù)型變量、有序分類(lèi)變量或二分類(lèi)變量。
1)非配對(duì)的情況：用非條件Logistic回歸
(1)觀察性研究：可以用逐步線性回歸尋找(擬)主要的影響因素
(2)實(shí)驗(yàn)性研究：在保持主要研究因素變量(干預(yù)變量)外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用
2)配對(duì)的情況：用條件Logistic回歸
(1)觀察性研究：可以用逐步線性回歸尋找(擬)主要的影響因素
(2)實(shí)驗(yàn)性研究：在保持主要研究因素變量(干預(yù)變量)外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對(duì)結(jié)果的混雜作用.
聯(lián)系方式詳見(jiàn)：醫(yī)學(xué)全在線論文投稿聯(lián)系方式
更多醫(yī)學(xué)職稱(chēng)論文發(fā)表及評(píng)審條件相關(guān)信息推薦：
中國(guó)科技論文統(tǒng)計(jì)源核心期刊目錄專(zhuān)題
2015-2016年中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)CSCD期刊目錄專(zhuān)題
醫(yī)學(xué)全在線-論文頻道（f1411.cn/lunwen/)第一時(shí)間整理發(fā)布全國(guó)各地醫(yī)學(xué)職稱(chēng)評(píng)審公告、評(píng)審結(jié)果、論文評(píng)審條件、期刊目錄等通知。
