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。
1.1.1若方差齐性，则作成组t检验。
1.1.2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，则进一步做统计分析：
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，则进一步做统计分析，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，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：
1.1.1小样本时，用二项分布进行确切概率法检验。
1.1.2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当n＞40并且所以理论数大于5，则用pearson c2检验。
2.2当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fishers确切概率法检验。
2.3当n≤40或存在理论数＜1，则用fishers检验。
3.2×c表资料的统计分析。
3.1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cmhc2或成组的wilcoxon秩和检验。
3.2列变量为效应指标并且为二分类，列变量有有序多分类变量，则用趋势c2检验。
3.3行变量和列变量均为无序分类变量。
3.3.1当n＞40并且所以理论数小于5的格子数＜行列表中格子总数的25%，则用pearson c2检验。
3.3.2当n≤40或存在理论数＜5的格子数＞行列表中格子总数的25%，则用fishers确切概率法检验。
表资料的统计分析。
4.1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cmhc2或kruskal wallis的秩和检验。
4.2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，做none zero correlation analysis的cmhc2
4.3列变量和行变量均为有序多分类变量，可以做spearman相关分析。
4.4列变量和行变量均为无序多分类变量，4.4.1当n＞40并且所以理论数小于5的格子数＜行列表中格子总数的25%，则用pearson c2检验。
4.4.2当n≤40或存在理论数＜5的格子数＞行列表中格子总数的25%，则用fishers确切概率法检验。
三、poisson分布资料。
1.单样本资料与总体比较。
1.1观察值较小时，用确切概率法进行检验。
1.2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。
1.1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。
1.2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。
2.1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。
2.2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，而进一步作统计分析，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。
1.1 b+c＞40，则用mcnemar配对c2检验或配对边际c2检验。
1.2 b+c≤40，则用二项分布确切概率法检验。
表资料。2.1配对比较：用mcnemar配对c2检验或配对边际c2检验。
2.2一致性问题（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。
1.1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。
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，x3…..
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他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，x3…..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。
3.1.1观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素。
3.1.2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他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。
3.2.1观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素。
3.2.2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他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，x3…..可以为连续型变量、有序分类变量或二分类变量。
4.1观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素。
4.2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他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，x3…..可以为连续型变量、有序分类变量或二分类变量。
5.1观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素。
5.2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他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。
4.1观察性研究：可以用逐步线性回归寻找（拟）主要的影响因素。
4.2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他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。
常用医学统计方法
统计学是以数学方法观察和比较事物的一门学科。一 研究对象 存在的事物或现象 变异 性质相同 对象之间存在的差异。变异导致的现象有，个体 个体 个体 部分 部分 部分 部分 全部。上述四种不同如果是变异所致，则不同是表像，相同才是本质。鉴于 变异 的存在，当欲判断事物与事物有无不同时，必需考虑排除因变...
医学生常用统计
计数资料与计量资料。医学统计资料按其性质一般分为计数资料与计量资料两类。不同类型的统计资料应采用不同的统计分析方法。计数资料是先将观察单位按某种属性或类别分成若干组，再清点各组观察单位个数所得到的资料。如临床某些检验结果用阳性或阴性反应表示，对一批某病患者检验完毕后，清点呈阳性或阴性反应的各有若干例...
医学心理学的研究方法
医学心理学课程大纲。适用于五年制。课程简介。一 掌握 1.掌握医学心理学概念 医学模式的概念。2.掌握医学心理学的基本观点 各学派的代表人物与主要观点。二 熟悉 1.熟悉医学心理学的基本观点 2.熟悉医学心理学的研究方法。三 了解 1.了解医学模式发展转变过程 2.了解医学心理学的发展简史 3.了解...