单变量统计分析方法总结

单变量统计分析方法总结

一、计量资料

1.两组独立样本比较

1.1资料符合正态分布，且两组方差齐性，及独立性，可直接采用t检验。 1.2资料不符合正态分布

（1）数据转换（如对数转换等）→使之服从正态分布→转换后的数据采用t检验； （2）直接采用非参数检验（如Wilcoxon检验）。 1.3资料方差不齐

（1）t’检验（前提是资料满足正态性）； （2）采用非参数检验（如Wilcoxon检验）。 2.两组配对样本的比较

2.1 两组差值服从正态分布，采用配对t检验。

2.2 两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。 3.多组完全随机样本比较

3.1资料符合正态分布，且各组方差齐性，直接采用完全随机的方差分析。

如检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验，SNK法， Bonferroni法，tukey法，Scheffe法等。 3.2资料不符合正态分布，或各组方差不齐

（1）数据转换（如对数转换等）→使之服从正态分布或方差齐性→转换后数据采用F检验； （2）直接采用非参数检验（如Kruscal－Wallis法）。

如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然 后用两组的Wilcoxon检验，或秩变换方法。 4.多组随机区组样本比较

4.1资料符合正态分布，且各组方差齐性，直接采用随机区组的方差分析。

如果检验结果为有统计学意义，则进一步作两两比较，两两比较的方法有LSD检验， Bonferroni法，tukey法，Scheffe法，SNK法等。

4.2资料不符合正态分布，或各组方差不齐，则采用非参数检验的Fridman检验法。 如果检验结果为有统计学意义，则进一步作两两比较，一般采用Bonferroni法校正P值，然 后用符号配对的Wilcoxon检验。 ★需要注意的问题：

（1） 一般来说，如果是大样本，比如各组例数大于50，可以不作正态性检验，直接采用

t检验或方差分析。因为统计学上有中心极限定理，假定大样本是服从正态分布的。

（2） 当进行多组比较时，最容易犯的错误是仅比较其中的两组，而不顾其他组，这样作

容易增大α。正确的做法应该是，先作总的各组间的比较，如果总的来说差别有统计学意义，然后才能作其中任意两组的比较，这些两两比较有特定的统计方法，如上面提到的LSD检验，Bonferroni法，tukey法，Scheffe法，SNK法等。**绝不能

对其中的两组直接采用t检验，这样即使得出结果也未必正确**

二、分类资料

1.四格表资料

?2检验。

1.2 n≥40，且至少一个理论数1≤T＜5，则用校正的?2检验。

1.1 n≥40，且所有理论数T＞5，则用普通的Pearson

1.3 n＜40，或有理论数T＜1，则用Fisher’s确切概率法检验。 2. R×C表资料的统计分析

2.1 列变量和行变量均为无序分类变量，则（1）n≥40，且理论数1≤T＜5的格子数目占总

格子数目＜20％，则用普通的Pearson

?2检验。

（2）超过理论数1≤T＜5的格子数目占总格子数目20％，可采用似然比卡方检验或Fisher’s

确切概率法检验（总例数不应太大，因为这种算法计算机也要算半天才能出结果）。 2.2 需要统计分析变量为等级资料变量，另一变量为分组变量，采用非参数检验。 两组的Wilcoxon秩和检验，或多组的 Kruskal-Wallis检验。如果总的来说有差别，还可进 一步作两两比较，以说明是否任意两组之间的差别都有统计学意义。

2.3 列变量和行变量均为等级资料变量，如果要做两变量之间的相关性，可采用Spearson 相关分析。

3.配对分类资料的统计分析 则用McNemar配对?检验。

2