护理科研常用统计学知识

一、 两组或多组计量资料的比较

1 两组资料：

1.1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。

1.2小样本偏态分布资料，则用成组的Wilcoxon秩和检验。

2 多组资料：

2.1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。

2.2如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验。如果Kruskal Wallis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

1.1二分类资料：

(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。

1.2多分类资料：用Pearson c2检验（又称拟合优度检验）。

2 四格表资料

2.1 n>40并且所以理论数大于5，则用Pearson c2。

2.2 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 c2或用Fisher’s 确切概率法检验。

2.3 n￡40或存在理论数<1，则用Fisher’s 检验。

三、 两个变量之间的关联性分析

1 两个变量均为连续型变量

1.1 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。

1.2 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。

四、 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。

2.1观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素

2.2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。

3.1 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。

3.2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。

五、 生存分析资：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。

注：计量资料（连续变量）

例：年龄、血压值、得分等

 计数资料（无序分类变量）

例：性别、职业、是/否

统计方法：卡方检验。

 等级资料（有序分类变量）

例：学历，职称、满意度（不满意、满意、非常满意）

统计方法：秩和检验。