统计学常用思路图—杏花开教程总结
2025-11-25 19:48:33 0 举报AI智能生成
统计学常用思路图
作者其他创作
大纲/内容
变量类型
连续性变量（如年龄、身高等）
分类变量
有序分类：如轻度、中度、重度等
无序分类
二分类：如有、无，患病、未患病等
多分类：如无治疗、放疗、化疗等
差异分析
两组间在连续性变量上的差异
如男生、女生两组在体重上的差异
如男生、女生两组在体重上的差异
两组的被检验变量均服从正态分布
独立样本t检验
根据数据方差齐性检验结果查看对应的统计结果
（SPSS的统计结果中查看）
（SPSS的统计结果中查看）
但凡有一组的被检验变量不服从正态分布
两独立样本的非参数检验(Mann-Whitney U test)
三组及其以上在连续性变量上的差异
如A、B、C三班在体重上的差异
如A、B、C三班在体重上的差异
三组的被检验变量均服从正态分布
且满足方差齐性
单因素方差分析
不满足方差齐性
Brown-Forsythe或Welch检验
但凡有一组的被检验变量不服从正态分布
K个独立样本的非参数检验(Kruskal Wallis Test)
两组或多组在无序分类变量上的差异
如A、B、C三班在团员、非团员人数上的差异
如A、B、C三班在团员、非团员人数上的差异
总样本量>40，且理论频数<5的单元格个数占比<20%，
且没有理论频数为0的单元格
且没有理论频数为0的单元格
Pearson卡方检验
总样本量≤40，或者理论频数≤5的单元格个数占比≥20%，
或者有理论频数为0的单元格
或者有理论频数为0的单元格
Fisher确切概率法
两组或多组在有序分类变量上的差异
如A、B、C三班在优秀、良好、及格、不及格人数上的差异
如A、B、C三班在优秀、良好、及格、不及格人数上的差异
秩和检验（非参数检验）
重复测量
连续性因变量重复测量数据
一般线性模型
重复测量的方差分析
二分类因变量的重复测量数据
广义线性模型
广义估计方程
有序分类因变量的重复测量数据
广义线性模型
广义估计方程
无序分类因变量的重复测量数据
混合模型
广义线性
自变量与因变量同时被重复测量
（无论变量类型）
（无论变量类型）
混合模型
配对样本检验
连续性变量
前后数据均呈正态分布
配对样本t检验
但凡有一组数据呈非正态分布
配对样本非参数检验
Two-Related-Samples Test (Wilcoxon)
Two-Related-Samples Test (Wilcoxon)
有序分类变量
配对样本非参数检验
Two-Related-Samples Test (Wilcoxon)
Two-Related-Samples Test (Wilcoxon)
无序分类变量
配对卡方检验
相关性分析
两个连续性变量之间的相关
两组数据均呈正态分布
Pearson相关
但凡有一组数据不呈正态分布
Spearman秩相关
一个连续性变量与一个有序分类变量之间的相关
Spearman秩相关
两个有序分类变量之间的相关
Spearman秩相关
一个连续性变量与一个无序分类变量之间的相关
转换为差异分析
（见差异分析部分）
（见差异分析部分）
影响因素分析
疾病发病的影响因素
Step 1：单因素分析
差异分析
病例对照研究比较病例组与对照组在所有（尽可能多的因素）
可疑因素上的差异（见差异分析部分）
可疑因素上的差异（见差异分析部分）
Step 2：对单因素分析中存在显著差异的指标进行多因素分析
（有时可适当拓宽应用范围，如将P值增高到0.1或0.2）
（有时可适当拓宽应用范围，如将P值增高到0.1或0.2）
二元Logistic回归
P<0.05的自变量是疾病发生的独立影响因素
（危险因素或保护因素）
（危险因素或保护因素）
疾病预后的影响因素
Step 1：单因素分析
差异分析
比较各种预后在所有（尽可能多的因素）
可疑因素上的差异（见差异分析部分）
可疑因素上的差异（见差异分析部分）
Step 2：对单因素分析中存在显著差异的指标进行多因素分析
（有时可适当拓宽应用范围，如将P值增高到0.1或0.2）
（有时可适当拓宽应用范围，如将P值增高到0.1或0.2）
预后结局为二分类：二元Logistic回归
预后结局为有序分类：有序Logistic回归
预后结局为无序多分类：多分类Logistic回归
疾病严重程度的影响因素
（如轻度、中度、重度）
（如轻度、中度、重度）
Step 1：单因素分析
差异分析
比较各种严重程度在所有（尽可能多的因素）
可疑因素上的差异（见差异分析部分）
可疑因素上的差异（见差异分析部分）
Step 2：对单因素分析中存在显著差异的指标进行多因素分析
（有时可适当拓宽应用范围，如将P值增高到0.1或0.2）
（有时可适当拓宽应用范围，如将P值增高到0.1或0.2）
预后结局为有序分类变量：
有序Logistic回归
有序Logistic回归
P<0.05的自变量是疾病严重程度的
独立影响因素（危险因素或保护因素）
独立影响因素（危险因素或保护因素）
疾病疗效的影响因素
Step 1：单因素分析
差异分析
比较各种疗效在所有（尽可能多的因素）
可疑因素上的差异（见差异分析部分）
可疑因素上的差异（见差异分析部分）
Step 2：对单因素分析中存在显著差异的指标进行多因素分析
（有时可适当拓宽应用范围，如将P值增高到0.1或0.2）
（有时可适当拓宽应用范围，如将P值增高到0.1或0.2）
有效/无效二分类：二元Logistic回归
无效/显效/有效等有序分类：有序Logistic回归
生存时间的影响因素
Step 1：单因素分析
KM生存曲线（一条KM生存曲线实际上就是一次单因素Cox分析，此外KM只能
对分类变量进行分析，Cox单因素分析还能对连续性变量进行分析）
对分类变量进行分析，Cox单因素分析还能对连续性变量进行分析）
Step 2：对单因素分析中存在显著差异的指标进行多因素分析
（有时可适当拓宽应用范围，如将P值增高到0.1或0.2）
（有时可适当拓宽应用范围，如将P值增高到0.1或0.2）
Cox多因素分析
P<0.05的自变量是生存时间的独立
影响因素（危险因素或保护因素）
影响因素（危险因素或保护因素）
收藏
0 条评论
下一页
为你推荐
查看更多
