版本: v2.0更新时间: 2026年4月适用人群: 医学生、临床医生、医学研究人员、公共卫生从业者、生物统计专业学生
费用: 不收费，但希望你请我喝杯奶茶😀
目录
前言：医学统计学的核心价值与学习路径
第一部分：统计学基础理论
第二部分：统计推断方法
第三部分：高级统计分析方法
第四部分：研究设计与样本量估算
第五部分：统计软件实操
第六部分：国际报告规范与质量控制
附录：常用速查表
前言：医学统计学的核心价值与学习路径
1.1 医学统计学的定义与价值
统计学（Statistics） 源于拉丁语"State"，意为"数据收集、整理、分析、解释"的科学。现代统计学定义为：一门处理数据变异、通过收集、分类和分析数据获得可靠结果的科学和艺术。
“在理性的基础上，所有的判断都是统计学。” —— 统计学家C.R. Rao
医学领域相关统计学科
医学统计学在医学研究中的应用
医学实验室研究 → 实验数据分析临床研究 → 个体水平评价临床试验 → 治疗有效性和安全性评价流行病学研究 → 疾病病因探索（如吸烟与肺癌关系）公共卫生 → 群体健康评估
1.2 学习路径
本教程采用"基础→进阶→应用"三阶段学习路径：
第一阶段：基础理论（1-6章）├── 数据类型与统计学基础概念├── 研究设计方法├── 概率分布（二项分布、正态分布、Poisson分布）├── 抽样分布与中心极限定理├── 参数估计└── 假设检验原理第二阶段：核心方法（7-13章）├── t检验（单样本、配对、独立样本）├── 方差分析（完全随机、随机区组、重复测量）├── 卡方检验与非参数检验├── 相关与回归分析├── Logistic回归├── 生存分析└── 多元统计分析第三阶段：应用实践（14-22章）├── 高级统计专题（机器学习、贝叶斯、因果推断）├── 研究设计与样本量估算├── 统计软件实操（SPSS/R/SAS）├── 国际报告规范└── 统计质量控制
1.3 统计软件选择指南
第一部分：统计学基础理论
第1章：数据类型与统计学基础概念
1.1 统计学基本概念
1.1.1 总体与样本
总体（Population）：根据研究目的确定的同质的所有个体某项观察值的集合。
总体参数：刻画总体特征的指标（通常未知）
样本（Sample）：从总体中随机抽取的部分个体
样本量（Sample Size）：样本中的个体总数 n
样本统计量：由样本数据计算的特征量
1.1.2 个体与变异
个体（Individual）：根据研究目的确定的最基本的研究对象单位，又称观察单位。
个体变异（Individual Variation）：同质个体的某指标之间的差异。
同质（Homogeneous）：具有相同性质的观察单位异质（Heterogeneous）：具有不同性质的观察单位
1.1.3 概率与频率
频率（Frequency）：在n次观察中，事件A发生了m次，则 f = m/n
概率（Probability）：描述随机事件发生的可能性大小，范围 0 ≤ P(A) ≤ 1
小概率事件原理：随机事件发生的概率 ≤ 0.05，在一次随机抽样中不会发生。
1.2 数据类型体系
医学数据的正确分类是统计分析的第一步。
1.2.1 计量资料（定量资料）
定义：用连续数值表示的资料，具有计量单位。
特征：
常见示例：
正态性判断方法：
正态性检验方法│├─ 图示法│ ├─ 直方图（钟形分布）│ ├─ P-P图（点贴近对角线）│ └─ Q-Q图（点贴近对角线）│├─ 统计检验│ ├─ Shapiro-Wilk检验（n<50，推荐）│ ├─ Kolmogorov-Smirnov检验（n≥50）│ └─ Anderson-Darling检验│└─ 经验法则 ├─ 偏度(Skewness)绝对值 < 2 └─ 峰度(Kurtosis)绝对值 < 7
1.2.2 计数资料（定性资料）
定义：按事物属性分组清点数目得到的资料。
1.2.3 等级资料（有序资料）
定义：具有等级顺序但非定量的资料。
特点：
⚠️ 特别注意：等级资料的统计分析应选用非参数检验，不能简单当作计数资料处理。
1.3 误差与偏倚
1.3.1 误差类型
1.3.2 偏倚类型与控制
第2章：研究设计方法
2.1 研究设计分类体系
研究设计类型├── 描述性研究│ ├── 横断面研究（现况调查）│ ├── 病例报告/系列病例│ └── 生态学研究│├── 分析性研究│ ├── 病例对照研究（回顾性，从结果到原因）│ ├── 队列研究（前瞻性，从原因到结果）│ └── 嵌套病例对照研究│└── 实验性研究 ├── 随机对照试验（RCT） ├── 非随机对照试验 ├── 自身对照试验 └── 交叉试验
2.2 各类研究设计特点
2.3 随机对照试验（RCT）
2.3.1 RCT三要素
临床试验核心要素│├─ P（Patient/Population）：受试对象│ └─ 同质性、代表性、对处理因素敏感│├─ I/C（Intervention/Control）：处理因素│ └─ 处理因素 vs 非处理(混杂)因素│└─ O（Outcome）：实验效应/结局指标 ├─ 主要指标（主要终点） ├─ 次要指标（次要终点） └─ 需客观、灵敏、特异
2.3.2 RCT三原则
1. 随机化原则
2. 对照原则
3. 重复原则
足够的样本含量（sample size），目的：控制和估计试验误差。
2.3.3 盲法原则
2.4 观察性研究设计
2.4.1 横断面研究
横断面抽样调查│├─ 优点：│ ├─ 了解患病流行情况│ ├─ 广泛探索病因│ └─ 周期短、成本低│└─ 缺点： ├─ 时点研究，无法推断因果 ├─ 不适合患病率低的疾病 └─ 不能得到发病率情况
2.4.2 病例对照研究
由果溯因的回顾性研究。
病例对照研究│├─ 优点：│ ├─ 适用于罕见病│ ├─ 可快速得到危险因素估计│ └─ 可做明确或不明因素探索│└─ 缺点： ├─ 易产生回忆偏倚 ├─ 选择性偏倚 └─ 不能估计患病率、死亡率
2.4.3 队列研究
由因到果的前瞻性研究。
队列研究│├─ 前瞻性队列：从现在开始随访└─ 回顾性队列：利用历史资料│├─ 优点：│ ├─ 由因到果，结论较可靠│ ├─ 可获得发病率资料│ └─ 无记忆偏倚│└─ 缺点： ├─ 周期长 └─ 需要预试验研究支持
2.5 抽样方法
2.5.1 概率抽样
2.5.2 抽样误差比较
整群抽样 ≥ 简单抽样 ≥ 系统抽样 ≥ 分层抽样（抽样误差由大到小）
第3章：概率分布基础
3.1 二项分布
3.1.1 Bernoulli试验与二项分布
Bernoulli试验：
二项分布：n次独立重复试验中，成功次数X的概率分布。记作 X ~ B(n, π)
3.1.2 二项分布公式
P(X=k) = C(n,k) × π^k × (1-π)^(n-k)其中：- n：试验总次数- k：成功次数（0 ≤ k ≤ n）- π：单次成功概率- C(n,k)：组合数 = n!/(k!(n-k)!)
3.1.3 二项分布特征
期望与方差：E(X) = n × πVar(X) = n × π × (1-π)分布特征：- 离散分布- 高峰在 μ = nπ 处- π 接近 0.5 时，图形对称- n 增大时，分布趋于对称- n → ∞ 时，趋向正态分布
3.1.4 二项分布的正态近似
条件：n较大，且 nπ 和 n(1-π) 均 ≥ 5 时，可用正态分布近似。
X ~ N(n×π, n×π×(1-π))标准化：Z = (X - n×π) / √(n×π×(1-π))
3.1.5 医学应用
3.2 正态分布
3.2.1 正态分布定义
正态分布（高斯分布）：最常见的连续型概率分布。
概率密度函数：f(x) = (1/(σ√(2π))) × e^(-(x-μ)²/(2σ²))参数：- μ：总体均数（位置参数）- σ：总体标准差（形状参数）- σ²：总体方差
3.2.2 正态分布曲线特征
正态分布曲线特点│├─ 钟形曲线，关于均值μ对称├─ 在x=μ处取得最大值├─ 曲线下面积分布：│ ├─ μ±1σ：包含68.27%的数据│ ├─ μ±1.96σ：包含95%的数据│ └─ μ±2.58σ：包含99%的数据├─ 曲线两端无限接近横轴└─ 偏度=0，峰度=0
3.2.3 标准正态分布
μ=0, σ=1的正态分布，记为 N(0,1)
标准正态变换：Z = (X - μ) / σ常用界值：- Z₀.₀₅ = 1.96（双侧95%）- Z₀.₀₁ = 2.58（双侧99%）- Z₀.₁ = 1.64（单侧90%）
3.2.4 医学应用
3.3 Poisson分布
3.3.1 定义与公式
Poisson分布：单位时间/空间内随机事件发生次数的离散型概率分布。
适用条件：- 事件独立发生- 事件发生率λ恒定- 事件可数且为非负整数公式：P(X=k) = (λ^k × e^(-λ)) / k!其中：- k：事件发生次数（0, 1, 2, ...）- λ：单位时间内事件发生的期望次数- e：自然常数（约2.71828）
3.3.2 Poisson分布特征
期望与方差：E(X) = λVar(X) = λ分布特点：- 离散分布- λ 较小时呈右偏态- λ 增大时趋于对称- 可加性：X₁~Po(λ₁), X₂~Po(λ₂) → X₁+X₂~Po(λ₁+λ₂)
3.3.3 医学应用
3.4 分布间关系
概率分布家族│├─ 离散型分布│ ├─ 二项分布（n次试验中的成功次数）│ ├─ Poisson分布（单位时间/空间事件数）│ ├─ 超几何分布（不放回抽样）│ └─ 几何分布（首次成功所需的试验次数）│└─ 连续型分布 ├─ 正态分布（最常见，连续型基础） ├─ 标准正态分布（Z分布） ├─ t分布（小样本推断） ├─ 卡方分布（方差推断） ├─ F分布（方差比推断） └─ 指数分布（生存时间）
第4章：抽样分布与中心极限定理
4.1 抽样分布概念
抽样分布：从同一总体中反复抽取样本，样本统计量的概率分布。
核心概念│├─ 样本均数 x̄│ └─ 样本均数的抽样分布：x̄ ~ N(μ, σ²/n)│├─ 样本方差 s²│ └─ (n-1)s²/σ² ~ χ²(n-1)│└─ 样本率 p̂ └─ p̂的抽样分布（n大时近似正态）
4.2 中心极限定理
4.2.1 定理内容
中心极限定理（CLT）：从任意总体中抽取的样本，当样本量n足够大时，样本均数的分布近似正态分布。
中心极限定理│├─ 原始总体：任意分布（不必正态）├─ 样本量：n ≥ 30（大样本）├─ 样本均数分布：x̄ ~ N(μ, σ²/n)└─ 近似程度：n越大，近似越好
4.2.2 中心极限定理的意义
- 均数推断基础
- 置信区间
- 假设检验
4.3 标准误
4.3.1 标准误定义
标准误（Standard Error, SE）：样本统计量分布的标准差。
均数的标准误：σx̄ = σ / √n样本标准误：Sx̄ = s / √n标准误与标准差的区别：- 标准差：描述个体观察值的离散程度- 标准误：描述样本统计量的离散程度
4.3.2 率的标准误
σp = √(π(1-π)/n)样本率的标准误：Sp = √(p̂(1-p̂)/n)
4.4 t分布
4.4.1 t分布定义
用于小样本（n<30）总体均数的推断。
t分布特点│├─ 形态：类似正态分布，但尾部更厚├─ 自由度：df = n-1├─ 自由度越大，越接近正态分布│ ├─ df=1：最厚尾│ ├─ df=10：接近正态│ └─ df=30：几乎等同正态└─ t分布表：查tα(df)值
4.4.2 t统计量
t = (x̄ - μ) / (s/√n) ~ t(n-1)
4.5 卡方分布
4.5.1 卡方分布定义
k个独立标准正态变量平方和的分布。
χ²分布特点│├─ 形状：正偏态（右偏）├─ 自由度：df = n-1├─ 应用：总体方差推断、分类资料分析└─ 可加性：χ²(m) + χ²(n) = χ²(m+n)
4.5.2 卡方分布应用
卡方统计量：χ² = Σ((O-E)²/E)其中：- O：观察频数- E：期望频数自由度计算：ν = (行数-1) × (列数-1)
4.6 F分布
4.6.1 F分布定义
两个卡方分布变量之比的分布。
F分布特点│├─ 形状：正偏态├─ 参数：两个自由度 df₁（分子）, df₂（分母）├─ 应用：方差齐性检验、方差分析└─ 关系：F(α, df₁, df₂) = 1/F(1-α, df₂, df₁)
第5章：参数估计
5.1 点估计
5.1.1 概念
点估计：用样本数据计算出一个数值，作为总体参数的估计值。
5.1.2 估计量评价标准
5.2 区间估计
5.2.1 置信区间的概念
置信区间：包含未知总体参数的概率区间。
置信区间的解读│├─ 95%置信区间含义：│ └─ 100次抽样构建的100个置信区间中，│ 约95个包含总体参数真值│├─ 常用置信水平：│ ├─ 90% CI│ ├─ 95% CI（最常用）│ └─ 99% CI│└─ 注意： ├─ 置信区间不是"有95%的概率包含真值" └─ 总体参数要么在区间内，要么不在
5.2.2 总体均数的置信区间
已知σ时（大样本）：
μ的95%CI = x̄ ± 1.96 × (σ/√n)
未知σ时（小样本）：
μ的95%CI = x̄ ± tα/2(n-1) × (s/√n)
5.2.3 总体率的置信区间
大样本时（np≥5且n(1-p)≥5）：
π的95%CI = p̂ ± 1.96 × √(p̂(1-p̂)/n)
小样本时（精确法）：
查二项分布表获得精确置信区间
5.2.4 置信区间与假设检验的关系
| |
|---|
| 95% CI不包含0 | |
| 95% CI包含0 | |
| 99% CI不包含0 | |
第6章：假设检验
6.1 假设检验基本原理
6.1.1 反证法思想
假设检验步骤│├─ 1. 建立假设│ ├─ H₀（原假设/无效假设）：通常是"无差异"或"无效"│ └─ H₁（备择假设）：通常是"有差异"或"有效"│├─ 2. 选择检验水准 α│ ├─ α = 0.05（常规）│ └─ α = 0.01（需更高置信度）│├─ 3. 计算检验统计量│ └─ 根据数据选择：t值、χ²值、F值、z值等│├─ 4. 确定P值，作出推断│ ├─ P < α → 拒绝H₀，有统计学意义│ └─ P ≥ α → 不拒绝H₀，无统计学意义│└─ 5. 结合专业意义解释结果
6.1.2 单侧检验与双侧检验
双侧检验：研究者只关心是否相同，不关心谁大谁小
单侧检验：研究者不仅考虑有无差异，更关心差异的方向
选择原则：- 专业背景支持方向性假设 → 单侧检验- 不确定方向或只关心差异 → 双侧检验- 双侧检验较保守、稳妥
6.2 两类错误
错误类型矩阵 真实情况 H₀为真 H₀为假检验 拒绝H₀ Ⅰ类错误(α) 正确结果 不拒绝H₀ 正确 Ⅱ类错误(β)
检验效力（Power）：1-β，正确拒绝错误H₀的概率。
检验效力影响因素│├─ α增大 → β减小 → Power增大├─ 样本量n增大 → 标准误减小 → Power增大├─ 效应量增大 → 更容易检测到差异 → Power增大└─ 总体变异减小 → 标准误减小 → Power增大
6.3 P值的正确理解
⚠️ P值不等于效应大小
P值反映的真正含义：
- 不能告诉你效应有多大、临床是否重要、结果是否可重复
正确报告方式：
降压效果：-12 mmHg（95% CI: -16 to -8 mmHg），P < 0.001
P值常见误解：
6.4 假设检验注意事项
- 资料可比性
- 方法选择
- 统计学意义≠专业意义
- 结论不能绝对化
- P值附近慎重
第二部分：统计推断方法
第7章：t检验
7.1 t检验概述
7.1.1 适用条件
共同条件：
7.1.2 t检验类型
t检验家族│├─ 单样本t检验│ └─ 样本均数与已知总体均数比较│├─ 两独立样本t检验│ └─ 两组独立样本均数比较│├─ 配对样本t检验│ └─ 配对样本或自身前后比较│└─ 校正t检验（Welch's t检验） └─ 方差不齐时使用
7.2 单样本t检验
7.2.1 适用场景
7.2.2 公式
t = (x̄ - μ₀) / (s/√n)其中：- x̄：样本均数- μ₀：已知总体均数（检验值）- s：样本标准差- n：样本量自由度：df = n-1
7.3 两独立样本t检验
7.3.1 适用场景
7.3.2 公式
t = (x̄₁ - x̄₂) / Sx̄₁-x̄₂其中：- Sx̄₁-x̄₂ = √[s²c(1/n₁ + 1/n₂)]- s²c = [(n₁-1)s₁² + (n₂-1)s₂²]/(n₁+n₂-2)（合并方差）自由度：df = n₁ + n₂ - 2
7.3.3 方差不齐时的校正
Levene检验：检验两组方差是否齐性（P>0.05为齐性）
Welch’s t检验：
t' = (x̄₁ - x̄₂) / √(s₁²/n₁ + s₂²/n₂)校正自由度：df = [(s₁²/n₁ + s₂²/n₂)²] / [(s₁²/n₁)²/(n₁-1) + (s₂²/n₂)²/(n₂-1)]
7.4 配对样本t检验
7.4.1 适用场景
7.4.2 公式
t = d̄ / (sd/√n)其中：- d̄：差值的均数- sd：差值的标准差- n：配对数自由度：df = n-1
7.5 SPSS操作指南
7.5.1 独立样本t检验
操作路径：分析 → 比较均值 → 独立样本T检验对话框设置：1. 检验变量：放入要比较的变量2. 分组变量：放入分组变量，点击"定义组" - 组1：输入第一组编码（如0） - 组2：输入第二组编码（如1）3. 点击确定结果解读：1. 先看Levene检验P值 - P > 0.05：方差齐性，看第一行t检验结果 - P ≤ 0.05：方差不齐，看第二行（校正t'检验结果）2. 再看t检验P值3. 报告：t值、自由度、P值、均数差值、95%CI
7.5.2 配对样本t检验
操作路径：分析 → 比较均值 → 配对样本T检验对话框设置：1. 选入配对变量（成对选入）2. 点击确定结果解读：1. 看配对差值的均数和标准差2. 看t值、自由度和P值3. 报告：配对差值均数±标准差、t值、P值
第8章：方差分析
8.1 方差分析概述
8.1.1 基本思想
方差分析（ANOVA）：比较多组（≥3）样本均数，判断各组总体均数是否有差异。
方差分解思想│├─ 总变异 = 组间变异 + 组内变异│├─ 组间变异：反映处理因素效应 + 随机误差│└─ 组内变异：反映随机误差（个体差异）F = MS组间 / MS组内- F值大 → 组间变异大 → 处理因素有作用- F值小 → 组间变异小 → 处理因素无作用
8.1.2 方差分析类型
方差分析家族│├─ 单因素ANOVA│ └─ 一个分组因素（如药物剂量）│├─ 两因素ANOVA│ └─ 两个分组因素（如药物类型 + 剂量）│ 可分析主效应和交互作用│├─ 重复测量ANOVA│ └─ 同一对象多次测量（如治疗前后多个时间点）│├─ 协方差分析（ANCOVA）│ └─ 控制混杂因素后比较│└─ 多元方差分析（MANOVA） └─ 多个结局指标同时比较
8.2 完全随机设计方差分析
8.2.1 适用条件
8.2.2 ANOVA表
8.3 两两比较方法
8.3.1 多重比较问题
当ANOVA拒绝H₀后，需要知道具体哪些组之间有差异。
多重比较校正必要性│├─ 比较次数：k(k-1)/2├─ 若每次比较α=0.05，5组需要10次比较│└─ 校正方法： ├─ Ⅰ类错误膨胀：α' = 1-(1-α)^(比较次数) │ 10次比较：α' ≈ 0.40 └─ 需要多重比较校正
8.3.2 常用两两比较方法
| | |
|---|
| Bonferroni | | |
| Tukey HSD | | |
| SNK-q检验 | | |
| Dunnett-t | | |
| LSD | | |
8.4 随机区组设计方差分析
8.4.1 设计概述
随机区组设计（Randomized Block Design）：将受试对象按对效应指标有影响的非研究因素配成区组，每个区组内有k个受试对象随机分配到k个处理组。
设计特点│├─ 按两个因素分组（区组因素 + 处理因素）├─ 区组内受试对象同质性好├─ 与完全随机设计相比更好地控制混杂因素└─ 缺点：区组内受试对象数需与处理数相等
8.4.2 变异分解
SS总 = SS处理 + SS区组 + SS误差自由度：ν总 = ν处理 + ν区组 + ν误差ν总 = b×k - 1ν处理 = k - 1ν区组 = b - 1ν误差 = (k-1)(b-1)
8.5 重复测量方差分析
8.5.1 适用场景
8.5.2 分析内容
重复测量ANOVA分析内容│├─ 时间效应：各时间点均数是否有差异├─ 组间效应：各处理组均数是否有差异└─ 交互效应：时间×组别交互作用
8.6 SPSS操作指南
8.6.1 单因素ANOVA
操作路径：分析 → 比较均值 → 单因素ANOVA对话框设置：1. 因变量列表：放入要比较的变量2. 因子：放入分组变量3. 选项： - 勾选"描述性"、"方差齐性检验"4. 两两比较： - 勾选"Tukey"、"Bonferroni"5. 点击确定结果解读：1. 先看方差齐性检验（P>0.05方差不齐时用校正F）2. 看ANOVA表F值和P值3. 若P<0.05，看两两比较结果
8.6.2 重复测量ANOVA
操作路径：分析 → 一般线性模型 → 重复测量设置步骤：1. 主体内因子：定义测量时间点（如3个时间点）2. 主体内变量：放入各时间点的变量3. 主体间因子：放入分组变量4. 选项：勾选"描述统计"、"效应量估算"5. 点击确定
第9章：卡方检验与非参数检验
9.1 卡方检验
9.1.1 适用条件
9.1.2 卡方检验类型
卡方检验家族│├─ 四格表χ²检验│ └─ 2×2表，两组率的比较│├─ 行×列表χ²检验│ ├─ 多组率比较（R×2表）│ └─ 构成比比较（R×C表）│├─ 配对χ²检验（McNemar检验）│ └─ 配对设计的两分类数据│└─ χ²分割法 └─ 多个样本率的两两比较
9.1.3 四格表χ²检验
公式：
χ² = Σ(O-E)²/E其中：- O：观察频数- E：期望频数 = (行合计×列合计)/总合计自由度：df = (行数-1)×(列数-1) = 1
连续性校正（Yates correction）（样本量较小时使用）：
χ² = Σ(|O-E|-0.5)²/E
适用条件：
9.1.4 配对χ²检验（McNemar检验）
适用场景：同一批患者用两种诊断方法的结果比较。
配对χ²检验表 方法B 阳性 阴性方法A 阳性 a b 阴性 c d
公式：
χ² = (|b-c|-1)²/(b+c)
条件：b + c ≥ 40，否则用精确概率法
9.2 Fisher精确检验
9.2.1 适用条件
9.2.2 原理
直接计算观察频数及更极端情况出现的概率：
P = [a+b]![c+d]![a+c]![b+d]! / (a!b!c!d!N!)
9.3 非参数检验
9.3.1 适用条件
9.3.2 非参数检验vs参数检验
9.3.3 常用非参数检验
Wilcoxon符号秩检验：
目的：比较配对样本或单样本中位数原理：比较各观测值与中位数的正负离差秩和
Mann-Whitney U检验：
目的：比较两独立样本原理：比较两组秩次分布
Kruskal-Wallis H检验：
目的：比较多组（≥3）独立样本原理：比较各组秩次分布
Friedman检验：
目的：随机区组设计的多个样本比较原理：配伍组内编秩，比较各处理组秩和
9.4 SPSS操作指南
9.4.1 卡方检验
操作路径：分析 → 描述统计 → 交叉表对话框设置：1. 行：放入分组变量2. 列：放入结果变量3. 统计量：勾选"卡方"4. 单元格：勾选"实测"、"期望"频数，勾选"行百分比"5. 点击确定
9.4.2 Fisher精确检验
操作路径：分析 → 描述统计 → 交叉表设置：1. 同卡方检验步骤2. 点击精确，勾选"精确"（默认计算）3. 点击确定
第10章：相关与回归分析
10.1 相关分析
10.1.1 Pearson相关系数
适用：双变量正态分布计量资料公式：r = Σ(xi-x̄)(yi-ȳ) / √[Σ(xi-x̄)²Σ(yi-ȳ)²]取值范围：-1 ≤ r ≤ 1
相关系数解读：
⚠️ 相关≠因果
10.1.2 Spearman秩相关系数
适用：不满足正态分布的资料、等级资料计算：将数据转换为秩次，计算秩次间的Pearson相关系数符号：rs，表示相关方向
10.2 直线回归分析
10.2.1 回归方程
目的：描述两变量间的数量依存关系方程：Ŷ = a + bX其中：- b = Σ(xi-x̄)(yi-ȳ) / Σ(xi-x̄)²（回归系数）- a = ȳ - bx̄（截距）回归系数解读：- b > 0：X增加，Y增加- b < 0：X增加，Y减少- b = 0：X与Y无直线关系
10.2.2 适用条件
10.3 多元线性回归
10.3.1 模型
目的：分析多个自变量与一个连续因变量的数量关系方程：Ŷ = b₀ + b₁X₁ + b₂X₂ + ... + bpXp用途：- 控制混杂因素- 识别独立影响因素- 预测
10.3.2 多重共线性诊断
方差膨胀因子（VIF）：
VIF = 1/(1-R²)VIF > 10：存在多重共线性
容忍度（Tolerance）：
Tolerance = 1/VIFTolerance < 0.1：存在多重共线性
10.4 SPSS操作指南
10.4.1 相关分析
操作路径：分析 → 相关 → 双变量对话框设置：1. 放入变量2. 选择相关系数： - Pearson（正态计量资料） - Spearman（偏态或等级资料）3. 显著性检验：双侧4. 点击确定
10.4.2 线性回归
操作路径：分析 → 回归 → 线性对话框设置：1. 因变量：放入Y变量2. 自变量：放入X变量3. 方法：Enter（全部进入）4. 统计量： - 勾选"回归系数"的"估算值"、"置信区间" - 勾选"模型拟合"、"共线性诊断"5. 点击确定
第三部分：高级统计分析方法
第11章：Logistic回归
11.1 Logistic回归概述
11.1.1 适用条件
| |
|---|
| 二分类（也适用于多项Logistic、有序Logistic） |
| |
| |
11.1.2 模型原理
方程：logit(P) = ln[P/(1-P)] = b₀ + b₁X₁ + ... + bpXp其中：- P：阳性结局的概率- b₀：截距- b₁,...,bp：回归系数优势比（OR）计算：OR = exp(b)OR解读：- OR = 1：无影响- OR > 1：危险因素- OR < 1：保护因素
11.2 Logistic回归类型
Logistic回归家族│├─ 二元Logistic回归│ └─ 因变量为二分类│├─ 有序Logistic回归│ └─ 因变量为有序多分类│├─ 多项Logistic回归│ └─ 因变量为无序多分类│└─ 条件Logistic回归 └─ 配对病例对照研究
11.3 变量筛选方法
| | |
|---|
| 前向选择（Forward） | | |
| 后向剔除（Backward） | | |
| 逐步法（Stepwise） | | |
| Enter（强制纳入） | | |
11.4 模型评价
11.4.1 模型拟合评价
11.4.2 预测能力评价
| | |
|---|
| | |
| | |
| | |
| | 0.5-0.7较低，0.7-0.9中等，>0.9较高 |
11.5 SPSS操作指南
操作路径：分析 → 回归 → 二元Logistic对话框设置：1. 因变量：放入结局变量（1=阳性，0=阴性）2. 协变量：放入自变量3. 方法：选择Enter/Wald/Stepwise等4. 分类协变量：若有无序分类变量，在此定义5. 选项： - 勾选"EXP(B)的置信区间"（95%） - 勾选"Hosmer-Lemeshow拟合度"6. 点击确定
第12章：生存分析
12.1 生存分析基本概念
12.1.1 生存数据特点
12.1.2 基本函数
| | |
|---|
| 生存函数 S(t) | | |
| 风险函数 h(t) | | |
| 累计风险函数 H(t) | | |
12.2 Kaplan-Meier生存曲线
12.2.1 方法原理
Kaplan-Meier法│├─ 原理：分时间段计算生存概率├─ 适用：随访时间不等、截尾数据├─ 生存率计算：│ S(t) = Π(ti≤t) (ni-di)/ni│ 其中：ni为ti时刻的有效观察数│ di为ti时刻的死亡数└─ 中位生存时间：S(t)=0.5对应的时间
12.2.2 生存曲线比较（Log-rank检验）
Log-rank检验│├─ 目的：比较两条或多条生存曲线是否有差异├─ 原理：比较各组在各时间点的观察死亡数与期望死亡数├─ H₀：各组的生存曲线相同└─ χ²检验：χ² = ΣΣ(观察-期望)²/期望
12.3 Cox比例风险回归
12.3.1 模型原理
Cox回归（比例风险模型）│├─ 方程：h(t) = h₀(t) × exp(b₁X₁ + b₂X₂ + ... + bpXp)├─ 特点：半参数模型│ ├─ 不需要知道基线风险函数h₀(t)│ └─ 假设比例风险（PH假设）└─ 风险比（HR）= exp(b)
12.3.2 PH假设检验
12.3.3 HR解读
示例：HR = 2.5（某危险因素）解读：该因素阳性者的死亡风险是阴性者的2.5倍HR < 1：保护因素HR = 1：无影响HR > 1：危险因素
12.4 竞争风险模型
竞争风险概念：当存在其他结局事件可能阻止感兴趣事件发生时，需用竞争风险模型。
12.5 SPSS操作
Kaplan-Meier法：操作路径：分析 → 生存函数 → Kaplan-Meier- 时间：放入生存时间- 状态：放入结局变量，定义事件（1=死亡）- 因子：放入分组变量- 比较因子：勾选"对数秩"- 选项：勾选"生存分析表"、"生存函数"Cox回归：操作路径：分析 → 生存函数 → Cox回归- 时间：放入生存时间- 状态：放入结局变量，定义事件- 协变量：放入自变量- 方法：Enter/Wald/Forward等- 选项：勾选"CI for exp(B)"（95%）
第13章：多元统计分析方法
13.1 主成分分析（PCA）
13.1.1 基本思想
主成分分析│├─ 目的：用少数综合指标代替多个原始变量├─ 原理：降维，将相关变量转换为不相关的主成分├─ 主成分定义：│ └─ 第一主成分：方差最大│ └─ 第二主成分：与第一主成分正交，方差次大└─ 选择标准：累计贡献率≥80-85%
13.1.2 医学应用
13.2 因子分析
13.2.1 基本思想
因子分析│├─ 目的：探索变量背后的潜在因子结构├─ 与PCA区别：│ ├─ PCA：主成分是原始变量的线性组合│ └─ 因子分析：原始变量是因子的线性组合├─ 模型：X = μ + AF + ε│ ├─ A：因子载荷矩阵│ └─ F：公共因子，ε：特殊因子└─ 因子旋转：使因子更易解释（Varimax最大方差旋转）
13.2.2 医学应用
13.3 聚类分析
13.3.1 聚类方法
聚类分析│├─ 系统聚类法（层次聚类）│ ├─ 距离定义：欧氏距离、马氏距离│ └─ 类间距离：最近距离法、最远距离法、类平均法、Ward法│├─ 快速聚类法（K-means）│ ├─ 指定K个初始聚类中心│ └─ 迭代重新分类│└─ 有序样品聚类（最优分割法） └─ 用于有序数据的聚类
13.3.2 医学应用
13.4 判别分析
判别分析│├─ 目的：根据已知分类建立判别函数，判别新样本归属├─ 方法：│ ├─ 距离判别：计算样本与各类中心的距离│ ├─ Bayes判别：计算后验概率│ └─ Fisher判别：最大化类间距离/类内距离└─ 验证：刀切法（Jackknife）、交叉验证
13.5 典型相关分析
典型相关分析│├─ 目的：研究两组变量之间的相关性├─ 原理：分别在两组变量中提取典型变量│ └─ 使两个典型变量之间的相关最大├─ 典型变量：是原始变量的线性组合└─ 应用：综合评估两组变量间的整体关联
13.6 方法对比
第14章：高级统计专题
14.1 机器学习方法在医学研究中的应用
14.1.1 常用机器学习方法
| | |
|---|
| 线性回归 | | |
| Logistic回归 | | |
| 决策树 | | |
| 随机森林 | | |
| 支持向量机 | | |
| 神经网络 | | |
| 生存分析（Cox) | | |
14.1.2 模型评价指标
14.2 贝叶斯统计
贝叶斯统计│├─ 核心公式：P(θ|data) ∝ P(data|θ) × P(θ)│ ├─ P(θ)：先验分布│ ├─ P(data|θ)：似然函数│ └─ P(θ|data)：后验分布│├─ 与频率学派区别：│ ├─ 频率派：将参数视为固定值│ └─ 贝叶斯派：将参数视为随机变量│└─ MCMC方法：马尔可夫链蒙特卡洛法，用于复杂后验分布的抽样
14.3 因果推断
因果推断主要框架│├─ 潜在结果框架（Rubin因果模型）│ ├─ 因果效应：E(Y₁) - E(Y₀)│ ├─ 核心问题：无法同时观测到Y₁和Y₀│ └─ 识别策略：随机化、匹配、工具变量│├─ 因果图（Causal Diagram）│ ├─ DAG（有向无环图）│ └─ 区分混杂、碰撞、管道│└─ 结构因果模型（Pearl因果模型）
14.4 孟德尔随机化
孟德尔随机化（MR）│├─ 原理：利用基因型作为工具变量推断因果关系│├─ 基因型作为工具变量的优势：│ ├─ 在配子形成时随机分配（类似RCT）│ ├─ 通常与混杂因素无关│ └─ 先于疾病发生（时间顺序正确）│├─ 三基因假设：│ ├─ 1. 相关性：基因与暴露强相关│ ├─ 2. 独立性：基因与混杂无关│ └─ 3. 排他性：基因只通过暴露影响结局│└─ 应用：从GWAS汇总数据推断因果
第四部分：研究设计与样本量估算
第15章：实验设计
15.1 实验设计基本原则
15.1.1 随机化原则
15.1.2 对照原则
15.1.3 盲法原则
15.2 常用实验设计类型
15.2.1 完全随机设计
完全随机设计│├─ 特点：最简单，各组样本量可相等或不等├─ 优点：设计简单、实施容易├─ 缺点：混杂因素可能不均衡└─ 分析方法：t检验、ANOVA
15.2.2 配对设计
配对设计│├─ 特点：配对后随机分配├─ 配对方式：│ ├─ 自身配对（前后比较）│ ├─ 同源配对（双胞胎）│ └─ 条件配对（年龄、性别等匹配）├─ 优点：减少个体差异└─ 分析方法：配对t检验
15.2.3 随机区组设计
随机区组设计│├─ 特点：先分区组，区组内随机分配├─ 区组因素：如医院、年龄段├─ 优点：保持区组内同质性└─ 分析方法：区组设计的ANOVA
15.2.4 交叉设计
交叉设计（Washout设计）│├─ 特点：每个受试者先后接受两种或多种处理├─ 洗脱期：消除前一种处理的影响├─ 优点：减少样本量└─ 分析方法：交叉设计的ANOVA
第16章：调查设计
16.1 抽样方法
16.1.1 概率抽样
16.2 问卷设计要点
第17章：样本量估算
17.1 样本量估算重要性
⚠️ 样本量不是越多越好
17.2 样本量估算要素
17.3 常用样本量估算公式
17.3.1 两样本均数比较
n = 2 × [(Zα/2 + Zβ)² × σ²] / δ²其中：- Zα/2：双侧α对应的Z值（α=0.05时，Z=1.96）- Zβ：单侧β对应的Z值（β=0.2时，Z=0.84）- σ：两总体标准差（假设相等）- δ：两总体均数之差
17.3.2 两样本率比较
n = [(Zα/2 + Zβ)² × (p₁(1-p₁) + p₂(1-p₂))] / (p₁-p₂)²其中：- p₁, p₂：两总体率- δ = p₁ - p₂
17.3.3 配对设计
n = [(Zα/2 + Zβ)² × σd²] / δd²其中：- σd：配对差值的标准差- δd：配对差值的均数
17.4 样本量估算注意事项
第五部分：统计软件实操
第18章：SPSS统计实战
18.1 SPSS界面介绍
SPSS界面组成│├─ 数据视图：类似Excel，存放原始数据│ └─ 行=个案（case）│ └─ 列=变量（variable）│├─ 变量视图：定义变量属性│ ├─ 名称（Name）│ ├─ 类型（Type）│ ├─ 标签（Label）│ ├─ 值标签（Values）│ └─ 度量标准（Measure）│├─ 输出窗口：显示分析结果│└─ 语法窗口：编写和运行SPSS命令
18.2 统计检验实战
18.2.1 独立样本t检验
结果报告模板：治疗组血压为 145.2 ± 12.3 mmHg，对照组为 152.8 ± 11.8 mmHg，两组差异有统计学意义(t=3.45, P=0.001)，治疗组血压低于对照组。
18.2.2 配对样本t检验
结果报告模板：治疗前血压为 165.5 ± 15.2 mmHg，治疗后为 145.2 ± 12.3 mmHg，差值为 20.3 ± 8.5 mmHg，差异有统计学意义(t=8.92, P<0.001)。
18.2.3 卡方检验
结果报告模板：实验组有效率为 78.5%（78/99），对照组有效率为 62.6%（62/99），两组差异有统计学意义（χ²=5.87, P=0.015）。
18.3 回归分析实战
18.3.1 Logistic回归报告模板
结果报告模板：以是否发生心血管事件为因变量，进行多因素Logistic回归分析，结果如下：变量 B SE Wald χ² P值 OR(95%CI)年龄(岁) 0.05 0.02 6.25 0.012 1.05(1.01-1.09)高血压(是) 0.78 0.35 4.97 0.026 2.18(1.10-4.32)糖尿病(是) 0.92 0.38 5.85 0.016 2.51(1.19-5.29)BMI(kg/m²) 0.08 0.04 4.00 0.045 1.08(1.00-1.17)模型评价：χ²=28.65, P<0.001，Hosmer-Lemeshow P=0.567预测符合率：73.2%
18.3.2 Cox回归报告模板
结果报告模板：Cox回归分析结果：变量 B SE Wald χ² P值 HR(95%CI)年龄(岁) 0.03 0.01 9.00 0.003 1.03(1.01-1.05)肿瘤分期(III期) 1.25 0.32 15.26 <0.001 3.49(1.87-6.51)手术类型(根治) -0.85 0.28 9.22 0.002 0.43(0.25-0.74)模型评价：C-statistics = 0.72PH假设检验：均满足（P>0.05）
第19章：R语言统计实战
19.1 R语言基础
# 查看当前工作目录getwd()# 设置工作目录setwd("D:/data")# 安装包（首次使用）install.packages("tidyverse")# 加载包library(tidyverse)library(ggplot2)library(survival)library(survminer)
19.2 数据导入
# 导入CSVdata <- read.csv("data.csv", header =TRUE)# 导入Excellibrary(readxl)data <- read_excel("data.xlsx", sheet =1)# 导入SPSSlibrary(haven)data <- read_sav("data.sav")
19.3 统计检验
# t检验t.test(weight ~ group, data = data)# 独立样本t.test(before, after, paired =TRUE, data = data)# 配对样本# 方差分析aov(outcome ~ factor, data = data)%>% summary()# 卡方检验chisq.test(table(data$group, data$outcome))fisher.test(table(data$group, data$outcome))# Fisher精确检验# 非参数检验wilcox.test(outcome ~ group, data = data)# Mann-Whitney Ukruskal.test(outcome ~ group, data = data)# Kruskal-Wallis H
19.4 回归分析
# 线性回归lm(outcome ~ var1 + var2 + var3, data = data)%>% summary()# Logistic回归glm(outcome ~ var1 + var2, data = data, family = binomial())%>% summary()# 计算OR和95%CIexp(cbind(OR = coef(model), confint(model)))# Cox回归library(survival)coxph(Surv(time, status)~ var1 + var2, data = data)%>% summary()
19.5 生存分析
library(survival)library(survminer)# Kaplan-Meier生存曲线fit <- survfit(Surv(time, status)~ group, data = data)# 绘制生存曲线ggsurvplot(fit, data = data, pval =TRUE,# 显示P值 conf.int =TRUE,# 显示置信区间 risk.table =TRUE,# 显示风险表 ggtheme = theme_minimal())# Log-rank检验survdiff(Surv(time, status)~ group, data = data)
第20章：SAS统计实战基础
20.1 SAS基础
SAS程序结构│├─ DATA步：数据导入和整理│ └─ PROC步：统计分析│├─ 基本语句：│ ├─ DATA 数据集名;│ ├─ INPUT 变量列表;│ ├─ CARDS;│ ├─ PROC 过程名;│ └─ RUN;│└─ 注释：/* 注释内容 */
20.2 数据导入
/* 方法1：直接输入 */DATA clinic;INPUT id age sex $ bps bpd group $;CARDS;001 56 M 145 92 treat002 63 F 158 95 control...;RUN;/* 方法2：导入外部数据 */PROC IMPORT OUT=clinic DATAFILE="D:\data.csv" DBMS=CSV REPLACE;RUN;
20.3 描述性统计
/* 计量资料 */PROC MEANS DATA=clinic MEAN STD MIN MAX; VAR age bps bpd;RUN;/* 频数表 */PROC FREQ DATA=clinic; TABLES sex group;RUN;
20.4 统计检验
/* t检验 */PROC TTEST DATA=clinic; CLASS group; VAR bps;RUN;/* 卡方检验 */PROC FREQ DATA=clinic; TABLES group*outcome / CHISQ;RUN;/* Logistic回归 */PROC LOGISTIC DATA=clinic; MODEL outcome = age bps bpd group;RUN;
第六部分：国际报告规范与质量控制
第21章：国际报告规范
21.1 CONSORT规范（随机对照试验）
核心条目
报告要点
CONSORT报告要点│├─ 标题包含"RCT"字样├─ 摘要结构化（目的、方法、结果、结论）├─ 明确研究目的├─ 详细描述纳入排除标准├─ 干预措施详细描述├─ 主要和次要结局指标明确├─ 样本量计算详细说明├─ 随机化方法具体描述├─ 盲法实施情况详细报告├─ Flow图展示受试者流程└─ 所有分析方法的清晰描述
21.2 STROBE规范（观察性研究）
队列研究核心条目
21.3 PRISMA规范（系统评价/Meta分析）
21.4 STARD规范（诊断准确性研究）
第22章：统计质量控制
22.1 数据质量管理
22.1.1 数据录入与核对
22.1.2 数据清洗
数据清洗步骤│├─ 1. 缺失值检查│ └─ 缺失比例、缺失机制判断│├─ 2. 异常值识别│ ├─ 统计方法：IQR、Z分数│ └─ 专业判断：临床合理性│├─ 3. 数据转换│ ├─ 正态性转换│ └─ 标准化│└─ 4. 变量编码 ├─ 分类变量编码 └─ 创建衍生变量
22.2 分析质量控制
22.2.1 分析前检查
22.2.2 模型诊断
22.3 结果报告规范
22.3.1 统计结果报告模板
连续变量：
计量资料以 x̄ ± s 表示，组间比较采用t检验/方差分析。如：治疗组收缩压为 145.2 ± 12.3 mmHg，对照组为 152.8 ± 11.8 mmHg，差异有统计学意义(t=3.45, P=0.001)。
分类变量：
计数资料以n(%)表示，组间比较采用χ²检验/Fisher精确检验。如：实验组有效率为 78.5%（78/99），对照组有效率为 62.6%（62/99），差异有统计学意义（χ²=5.87, P=0.015）。
22.4 常见统计错误
附录：常用速查表
附录A：统计方法选择决策树
研究问题 → 数据类型 → 组数 → 设计 → 统计方法【计量资料比较】│├─ 单样本/配对│ ├─ 正态 → 单样本t检验 / 配对t检验│ └─ 非正态 → Wilcoxon符号秩检验│├─ 两组独立│ ├─ 正态+方差齐 → 独立样本t检验│ └─ 非正态/方差不齐 → Mann-Whitney U检验│├─ 三组及以上│ ├─ 正态+方差齐 → 单因素ANOVA → 两两比较Tukey/LSD│ └─ 非正态/方差不齐 → Kruskal-Wallis H检验│└─ 重复测量 ├─ 正态 → 重复测量ANOVA └─ 非正态 → Friedman检验【计数资料比较】│├─ 2×2表│ ├─ n≥40，E≥5 → χ²检验│ └─ n<40或E<5 → Fisher精确检验│├─ R×C表│ ├─ 无序 → χ²检验│ └─ 有序/等级 → Mann-Whitney / Kruskal-Wallis│└─ 配对设计 └─ 配对χ²检验 / McNemar检验【生存分析】│├─ 单因素 → Kaplan-Meier + Log-rank└─ 多因素 → Cox回归【诊断试验】│└─ ROC曲线 + AUC【回归分析】│├─ 因变量连续 → 多元线性回归├─ 因变量二分类 → Logistic回归└─ 因变量生存时间 → Cox回归
附录B：常用统计公式速查
| |
|---|
| |
| |
| |
| |
| |
| r = Σ(xi-x̄)(yi-ȳ)/√[Σ(xi-x̄)²Σ(yi-ȳ)²] | |
| |
| |
| |
附录C：样本量估算要点速查
附录D：常用统计软件快捷命令
SPSS快捷语法
/* 描述性统计 */DESCRIPTIVES VARIABLES=age bps bpd /STATISTICS=MEAN STDDEV MIN MAX./* 独立样本t检验 */T-TEST GROUPS=group(1,2) /VARIABLES=bps./* 卡方检验 */CROSSTABS /TABLES=group BY outcome /STATISTICS=CHISQ /CELLS=COUNT EXPECTED.
R常用函数速查
# 基础统计mean(x); sd(x); median(x); quantile(x)table(x); prop.table(x)# 检验t.test(); chisq.test(); cor.test()aov(); lm(); glm(); coxph()# 生存分析survfit(); survdiff(); ggsurvplot()# 包装library(dplyr)# 数据操作library(ggplot2)# 图形library(haven)# 导入SPSS/SAS/Statalibrary(survival)# 生存分析
附录E：参考资源
经典教材
在线资源
版权声明: 本教程整合自孙振球《医学统计学》、方积乾《生物统计学》、《卫生统计学》教材（人卫出版社）及相关统计学课程讲义。版本: v2.0 | 更新日期: 2026年4月
为了方便大家交流学习，本公众号已建立交流群，欢迎各位读者与我们一起探讨生物信息学分析、孟德尔随机化、机器学习、临床预测模型、医学统计学、及研究设计等知识。
公众号：Abel统计
微信号：Abel_Biostats
请扫码关注&加好友了解更多内容！
