学习笔记:临床回顾性实用指南(七)常用的统计假设检验方法①

假设检验（ hypothesis test ）是统计学中由样本推断总体的一类基本方法，其采用反证法的思路进行。通常先对研究问题进行假设，再根据反证法的思路，在无效假设成立的前提下进行检验。

医学研究中常用的假设检验方法：t检验-比较两组均数，方差分析-比较多组均数，卡方检验-比较两组或多组率，非参数检验-比较两组分布未知

医学研究中常见的多因素分析：回归系数检验-多重线性回归、Logistic回归、Cox回归

一、计量资料的假设检验方法

t检验：分析→比较平均值→单样本t检验

1.单样本t检验

2.两相关样本t检验

①同一受试对象接受处理前后的比较；

②同一样品用两种不同方法检测同一指标的比较或同一受试对象接受两种不同处理；

③两个受试对象经过处理因素的配对后，按随机原则分别接受两种处理（动物实验中较常见）

两相关样本t检验的基本思路是将两个相关样本求差值，对差值进行单样本t检验，设定的总体均数为0。

3.两独立样本t检验

用来比较两组独立不相关的样本代表的总体均数是否相同

F = 组间变异 / 组内变异 F统计值越小，说明组内波动更紧密地聚集在一起，相对于每个组中的随机误差，均值之间的距离很小，不能得出均值之间存在显著差异的结论。 F统计值越大，意味着组间波动远大于组内波动，在这种情况下，各组均值之间的观测差异，更有可能反映出总体水平的差异。 ANOVA 只告诉你：至少有两组不一样但没告诉你谁和谁不一样 所以必须加：SNK、LSD、Bonferroni、Dunnett 等事后检验 临床论文标准写法： 多组比较采用单因素方差分析，组间两两比较采用 SNK 检验，P<0.05 为差异有统计学意义。

单因素方差分析：分析→比较平均值→单因素ANOVA检验

4.单因素方差分析

比较总体均数，样本≥3组时，若多次使用独立样本t检验进行两两比较，会增加犯第一类错误的风险。

第一类错误（Type I Error） 第一类错误是指在实际上原假设（null hypothesis）为真的情况下，错误地拒绝了原假设。 第二类错误（Type II Error） 第二类错误是指在实际上备择假设（alternative hypothesis）为真的情况下，错误地接受了原假设。

单因素方差分析，又称完全随机设计资料的方差分析

随机区组设计资料的方差分析：分析→一般线性模型→单变量，依次选择“因变量”和“固定因子”，点击“模型”；点击“构建项”，添加模型分组，取消勾选”在模型中包括截距“

5.随机区组设计资料的方差分析

协方差分析：分析→一般线性模型→单变量，依次选择“因变量”和“协变量”，点击“模型”；点击“构建项”，添加模型分组，取消勾选”在模型中包括截距“

6.协方差分析

将回归与方差分析思想相结合 控制连续性变量对于结局变量的影响

【示例】为研究某降血糖药的有效性，将30名2型糖尿病患者随机分为三个治疗组，第一组为A药，第二组为B药，第三组为联合使用A药和B药。

【问题分析】由于患者用药前的糖化血红蛋白水平会影响后用药后的含量，因此本研究可采用协方差分析，将用药前的糖化血红蛋白值作为协方差，用药后的糖化血红蛋白值作为因变量，用药分组作为分组变量。

7. 重复测量设计资料的方差分析

分析结局指标为重复测量的计量资料

【截图也看不懂 先不截图了】

8.方差分析后的组间两两比较 又称多重比较

此处仅介绍单因素方差分析后的组间两两比较。比较常见的两两比较方法有LSD-t检验、Dunnett-t检验和SNK-q检验

【太难啦！！！

考虑先看一下SPSS再继续啃这本了，SPSS的阅读方式肯定是略读了。笔者在阅读上最大的弱点就是，在阅读作品A的过程中发现问题a，由此引申阅读作品B，然后哈哈哈，在阅读作品B的过程中发现问题b，由此引申阅读作品C……神似“从前有座山，山里有座庙，庙里有个老和尚，老和尚在给小和尚讲故事，讲的什么呢？从前有座山……”总之自此离题万里，再回来就忘了在A里面原本想要探寻的是什么。笔者之前将这种问题归结为基础知识的匮乏，这种匮乏不仅仅是对理论知识的匮乏，也包括对文献资料等常规套路了解程度的匮乏。随着阅读量的增长，这种问题发生率逐渐降低，但一旦再次触发“层层梦境坠落”，又是让人很难以自拔的……头一次感觉难以自拔这个词这么形象哈哈

跑题了，果然人在吐槽的时候就会话多

---手动分割线---

在回想本科阶段学习数理统计的时候，还意外发现一本有意思的书，推荐给大家。实在是书名和统计的主题太有反差，很难不让人点进去看一眼，到底是推送出问题了，还是其中真有什么玄妙之处

让kimi帮我整理一下推荐与不推荐情境，大家可以根据自己实际情况，酌情选择阅读。】