SPSS大数据分析报告地统计方法选择.docx

SPSS大数据分析报告地统计方法选择.docx

《SPSS大数据分析报告地统计方法选择.docx》由会员分享，可在线阅读，更多相关《SPSS大数据分析报告地统计方法选择.docx（26页珍藏版）》请在冰豆网上搜索。

SPSS大数据分析报告地统计方法选择

数据分析的统计方法选择小结

目录

数据分析的统计方法选择小结1

目录1

●资料12

完全随机分组设计的资料2

配对设计或随机区组设计3

变量之间的关联性分析4

●资料25

1.连续性资料5

1.1两组独立样本比较5

1.2两组配对样本的比较5

1.3多组完全随机样本比较6

1.4多组随机区组样本比较6

2．分类资料6

2.1四格表资料6

2.22×C表或R×2表资料的统计分析7

2.3R×C表资料的统计分析7

2.4配对分类资料的统计分析8

●资料38

一、两个变量之间的关联性分析8

二、回归分析9

●资料49

一．统计方法抉择的条件9

1．分析目的10

2．资料类型10

3．设计方法11

4．分布特征及数理统计条件12

二．数据资料的描述12

1．数值变量资料的描述13

2．分类变量资料的描述13

三．数据资料的比较14

1．假设检验的基本步骤14

2．假设检验结论的两类错误14

3．假设检验的注意事项15

4．常用假设检验方法16

四．变量间的相关分析17

1．数值变量（计量资料）的关系分析17

2．无序分类变量（计数资料）的相关分析18

3．有序分类变量（等级资料）    等级相关18

●资料1

完全随机分组设计的资料

一、两组或多组计量资料的比较

1.两组资料：

1）大样本资料或服从正态分布的小样本资料

（1）若方差齐性，则作成组t检验

（2）若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验

2）小样本偏态分布资料，则用成组的Wilcoxon秩和检验

2.多组资料：

1）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。

2）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。

二、分类资料的统计分析

1.单样本资料与总体比较

1）二分类资料：

（1）小样本时：

用二项分布进行确切概率法检验；

（2）大样本时：

用U检验。

2）多分类资料：

用Pearson2检验（又称拟合优度检验）。

2.四格表资料

1）n>40并且所以理论数大于5，则用Pearson2

2）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2或用Fisher’s确切概率法检验

3）n40或存在理论数<1，则用Fisher’s检验

3.2×C表资料的统计分析

1）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CMH2或成组的Wilcoxon秩和检验

2）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2检验

3）行变量和列变量均为无序分类变量

（1）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Pearson2

（2）n40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

4.R×C表资料的统计分析

1）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CMH2或KruskalWallis的秩和检验

2）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CMH2

3）列变量和行变量均为有序多分类变量，可以作Spearman相关分析

4）列变量和行变量均为无序多分类变量，

（1）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Pearson2

（2）n40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

三、Poisson分布资料

1.单样本资料与总体比较：

1）观察值较小时：

用确切概率法进行检验。

2）观察值较大时：

用正态近似的U检验。

2.两个样本比较：

用正态近似的U检验。

配对设计或随机区组设计

四、两组或多组计量资料的比较

1.两组资料：

1）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

2）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

2.多组资料：

1）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。

2）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。

五、分类资料的统计分析

1.四格表资料

1）b+c>40，则用McNemar配对2检验或配对边际2检验

2）b+c40，则用二项分布确切概率法检验

2.C×C表资料：

1）配对比较：

用McNemar配对2检验或配对边际2检验

2）一致性问题（Agreement）：

用Kap检验

变量之间的关联性分析

六、两个变量之间的关联性分析

1.两个变量均为连续型变量

1）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

2）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

2.两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

3.一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

七、回归分析

1.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。

2.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。

1）观察性研究：

可以用逐步线性回归寻找（拟）主要的影响因素

2）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

3.二分类的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。

1）非配对的情况：

用非条件Logistic回归

（1）观察性研究：

可以用逐步线性回归寻找（拟）主要的影响因素

（2）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

2）配对的情况：

用条件Logistic回归

（1）观察性研究：

可以用逐步线性回归寻找（拟）主要的影响因素

（2）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

4.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。

1）观察性研究：

可以用逐步线性回归寻找（拟）主要的影响因素

2）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

5.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。

1）观察性研究：

可以用逐步线性回归寻找（拟）主要的影响因素

2）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

八、生存分析资料：

（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）

1.用Kaplan-Meier方法估计生存曲线

2.大样本时，可以寿命表方法估计

3.单因素可以用Log－rank比较两条或多条生存曲线

4.多个因素时，可以作多重的Cox回归

1）观察性研究：

可以用逐步线性回归寻找（拟）主要的影响因素

2）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

●资料2

1.连续性资料

1.1两组独立样本比较

1.1.1资料符合正态分布，且两组方差齐性，直接采用t检验。

1.1.2资料不符合正态分布

（1）可进行数据转换，如对数转换等，使之服从正态分布，然后对转换后的数据采用t检验；

（2）采用非参数检验,如Wilcoxon检验。

1.1.3资料方差不齐

（1）采用Satterthwate的t’检验；

（2）采用非参数检验,如Wilcoxon检验。

1.2两组配对样本的比较

1.2.1两组差值服从正态分布，采用配对t检验。

1.2.2两组差值不服从正态分布，采用wilcoxon的符号配对秩和检验。

1.3多组完全随机样本比较

1.3.1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。

1.3.2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，然后用成组的Wilcoxon检验。

1.4多组随机区组样本比较

1.4.1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。

1.4.2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，这样作容易增大犯假阳性错误的概率。

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。

（3）关于常用的设计方法：

多组资料尽管最终分析都是采用方差分析，但不同设计会有差别。

常用的设计如完全随即设计，随机区组设计，析因设计，裂区设计，嵌套设计等。

2．分类资料

2.1四格表资料

2.1.1例数大于40，且所有理论数大于5，则用普通的Pearson检验。

2.1.2例数大于40，所有理论数大于1，且至少一个理论数小于5，则用校正的检验或Fisher’s确切概率法检验。

2.1.3例数小于40，或有理论数小于2，则用Fisher’s确切概率法检验。

2.22×C表或R×2表资料的统计分析

2.2.1列变量＆行变量均为无序分类变量，则

（1）例数大于40，且理论数小于5的格子数目<总格子数目的25％，则用普通的Pearson检验。

（2）例数小于40，或理论数小于5的格子数目>总格子数目的25％，则用Fisher’s确切概率法检验。

2.2.2列变量为效应指标，且为有序多分类变量，行变量为分组变量，用普通的Pearson检验只说明组间构成比不同，如要说明疗效，则可用行平均分差检验或成组的Wilcoxon秩和检验。

2.2.3列变量为效应指标，且为二分类变量，行变量为有序多分类变量，则可采用普通的Pearson检验比较各组之间有无差别，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。

2.3R×C表资料的统计分析

2.3.1列变量＆行变量均为无序分类变量，则

（1）例数大于40，且理论数小于5的格子数目<总格子数目的25％，则用普通的Pearson检验。

（2）例数小于40，或理论数小于5的格子数目>总格子数目的25％，则用Fisher’s确切概率法检验。

（3）如果要作相关性分析，可采用Pearson相关系数。

2.3.2列变量为效应指标，且为有序多分类变量，行变量为分组变量，用普通的Pearson检验只说明组间构成比不同，如要说明疗效或强弱程度的不同，则可用行平均分差检验或成组的Wilcoxon秩和检验或Ridit分析。

2.3.3列变量为效应指标，且为无序多分类变量，行变量为有序多分类变量，则可采用普通的Pearson检验比较各组之间有无差别，如果有差别，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。

2.3.4列变量＆行变量均为有序多分类变量

（1）如要做组间差别分析，则可用行平均分差检验或成组的Wilcoxon秩和检验或Ridit分析。

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）如果要做两变量之间的相关性，可采用Spearson相关分析。

2.4配对分类资料的统计分析

2.4.1四格表配对资料

（1）b＋c>40，则用McNemar配对检验。

（2）b＋c<40，则用校正的配对检验。

2.4.1C×C资料

（1）配对比较：

用McNemar配对检验。

（2）一致性检验，用Kappa检验。

●资料3

在研究设计时,统计方法的选择需考虑以下6个方面的问题:

（1）看反应变量是单变量、双变量还是多变量;

（2）看单变量资料属于3种资料类型（计量、计数及等级资料）中的哪一种;（3）看影响因素是单因素还是多因素;（4）看单样本、两样本或多样本;（5）看是否是配对或配伍设计;（6）看是否满足检验方法所需的前提条件,必要时可进行变量变换,应用参数方法进行假设检验往往要求数据满足某些前提条件,如两个独立样本比较t检验或多个独立样本比较的方差分析,均要求方差齐性,因此需要做方差齐性检验。

如果要用正态分布法估计参考值范围,首先要检验资料是否服从正态分布。

在建立各种多重回归方程时,常需检验变量间的多重共线性和残差分布的正态性。

表1-1

连续因变量 

分类因变量

连续自变量 

回归分析

Logistic 回归

分类自变量

方差分析（ANOVA）

表格检验（比如卡方检验）

不同的统计分析方法都有其各自的应用条件和适用范围。

实际应用时,必须根据研究目的、资料的性质以及所要分析的具体内容等选择适当的统计分析方法,切忌只关心p值的大小（是否<0.05）,而忽略统计分析方法的应用条件和适用范围。

一、两个变量之间的关联性分析

1.两个变量均为连续型变量

1）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

2）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

 2.两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

 3.一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

 二、回归分析

1.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。

2.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。

1）观察性研究：

可以用逐步线性回归寻找（拟）主要的影响因素

2）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

3.二分类的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。

1）非配对的情况：

用非条件Logistic回归

（1）观察性研究：

可以用逐步线性回归寻找（拟）主要的影响因素

（2）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

2）配对的情况：

用条件Logistic回归

（1）观察性研究：

可以用逐步线性回归寻找（拟）主要的影响因素

（2）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 

4.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。

1）观察性研究：

可以用逐步线性回归寻找（拟）主要的影响因素

2）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

5.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。

1）观察性研究：

可以用逐步线性回归寻找（拟）主要的影响因素

2）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。

●资料4

一．统计方法抉择的条件

在临床科研工作中，正确地抉择统计分析方法，应充分考虑科研工作者的分析目的、临床科研设计方法、搜集到的数据资料类型、数据资料的分布特征与所涉及的数理统计条件等。

其中任何一个问题没考虑到或考虑有误，都有可能导致统计分析方法的抉择失误。

此外，统计分析方法的抉择应在科研的设计阶段来完成，而不应该在临床试验结束或在数据的收集工作已完成之后。

对临床科研数据进行统计分析和进行统计方法抉择时，应考虑下列因素：

 1．分析目的

对于临床医生及临床流行病医生来说，在进行统计分析前，一定要明确利用统计方法达到研究者的什么目的。

一般来说，统计方法可分为描述与推断两类方法。

一是统计描述（descriptive statistics），二是统计推断（inferential statistics）。

统计描述，即利用统计指标、统计图或统计表，对数据资料所进行的最基本的统计分析，使其能反映数据资料的基本特征，有利于研究者能准确、全面地了解数据资料所包涵的信息，以便做出科学的推断。

统计表，如频数表、四格表、列联表等；统计图，如直方图、饼图，散点图等；统计指标，如均数、标准差、率及构成比等。

统计推断，即利用样本所提供的信息对总体进行推断（估计或比较），其中包括参数估计和假设检验，如可信区间、t检验、方差分析、2检验等，如要分析甲药治疗与乙药治疗两组的疗效是否不相同、不同地区某病的患病率有无差异等。

还有些统计方法，既包含了统计描述也包含了统计推断的内容，如不同变量间的关系分析。

相关分析，可用于研究某些因素间的相互联系，以相关系数来衡量各因素间相关的密切程度和方向，如高血脂与冠心病、慢性宫颈炎与宫颈癌等的相关分析；回归分析，可用于研究某个因素与另一因素（变量）的依存关系，即以一个变量去推测另一变量，如利用回归分析建立起来的回归方程，可由儿童的年龄推算其体重。

2．资料类型

资料类型的划分现多采用国际通用的分类方法，将其分为两类：

数值变量（numerical variable）资料和分类变量（categorical variable）资料。

数值变量是指其值是可以定量或准确测量的变量，其表现为数值大小的不同；而分类变量是指其值是无法定量或不能测量的变量，其表现没有数值的大小而只有互不相容的类别或属性。

分类变量又可分为无序分类变量和有序分类变量两小类，无序分类变量表现为没有大小之分的属性或类别，如：

性别是两类无序分类变量，血型是四类无序分类变量；有序分类变量表现为各属性或类别间有程度之分,如：

临床上某种疾病的“轻、中、重”，治疗结果的“无效、显效、好转、治愈”。

由此可见，数值变量资料、无序分类变量资料和有序分类变量资料又可叫做计量资料、计数资料和等级资料。

资料类型的划分与统计方法的抉择有关，在多数情况下不同的资料类型，选择的统计方法不一样。

如数值变量资料的比较可选用t检验、u检验等统计方法；而率的比较多用2检验。

值得注意的是，有些临床科研工作者，常常人为地将数值变量的结果转化为分类变量的临床指标，然后参与统计分析，如患者的血红蛋白含量，研究者常用正常、轻度贫血、中度贫血和重度贫血来表示，这样虽然照顾了临床工作的习惯，却损失了资料所提供的信息量。

换言之，在多数情况下，数值变量资料提供的信息量最为充分，可进行统计分析的手段也较为丰富、经典和可靠，与之相比，分类变量在这些方面都不如数值变量资料。

因此，在临床实验中要尽可能选择量化的指标反映实验效应，若确实无法定量时，才选用分类数据，通常不宜将定量数据转变成分类数据。

3．设计方法

    在众多的临床科研设计方法中，每一种设计方法都有与之相适应的统计方法。

在统计方法的抉择时，必须根据不同的临床科研设计方法来选择相应的统计分析方法。

如果统计方法的抉择与设计方法不一致，统计分析得到的任何结论都是错误的。

在常用的科研设计方法中，有成组设计（完全随机设计）的t检验、配对t检验、成组设计（完全随机设计）的方差分析、配伍设计（随机区组设计）的方差分析等，都是统计方法与科研设计方法有关的佐证。

因此，应注意区分成组设计（完全随机设计）与配对和配伍设计（随机区组设计），在成组设计中又要注意区别两组与多组设计。

最常见的错误是将配对或配伍设计（随机区组设计）的资料当做成组设计（完全随机设计）来处理，如配对设计的资料使用成组t检验、配伍设计（随机区组设计）使用成组资料的方差分析；或将三组及三组以上的成组设计（完全随机设计）资料的比较采用多个t检验、三个或多个率的比较采用四格表的卡方检验来进行比较，都是典型的错误。

如下表：

 表1 常见与设计方法有关的统计方法抉择错误

表格1

设计方法

错误的统计方法

正确统计方法

两个均数的比较（成组设计、完全随机设计） 

成组设计的t检验

成组设计的秩和检验

多个均数的比较（成组设计、完全随机设计）

多个成组设计的t检验

完全随机设计的方差分析及q检验、完全随机设计的秩和检验及两两比较

数值变量的配对设计      

成组设计的t检验

配对t检验、配对秩和检验

随机区组设计（配伍设计）     

多个成组设计的t检验、完全随机设计的方差分析

随机区组设计的方差分析及q检验、随机区