護(hù)理的統(tǒng)計(jì)學(xué)方法

時(shí)間：2018-04-25 16:40:55 統(tǒng)計(jì)學(xué) 我要投稿

　　統(tǒng)計(jì)方法的內(nèi)容非常豐富，統(tǒng)計(jì)方法很多，但每種方法都有其適用條件。下面就是小編整理的護(hù)理的統(tǒng)計(jì)學(xué)方法，一起來看一下吧。

　　一、兩組或多組計(jì)量資料的比較

　　1 兩組資料：

　　1.1大樣本資料或服從正態(tài)分布的小樣本資料

　　(1) 若方差齊性，則作成組t檢驗(yàn)。

　　(2) 若方差不齊，則作 t’檢驗(yàn)或用成組的Wilcoxon秩和檢驗(yàn)。

　　1.2小樣本偏態(tài)分布資料，則用成組的Wilcoxon秩和檢驗(yàn)。

　　2 多組資料：

　　2.1若大樣本資料或服從正態(tài)分布，并且方差齊性，則作完全隨機(jī)的方差分析。如果方差分析的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：LSD檢驗(yàn)，Bonferroni檢驗(yàn)等）進(jìn)行兩兩比較。

　　2.2如果小樣本的偏態(tài)分布資料或方差不齊，則作Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)。如果Kruskal Wallis的統(tǒng)計(jì)檢驗(yàn)為有統(tǒng)計(jì)學(xué)意義，則進(jìn)一步作統(tǒng)計(jì)分析：選擇合適的方法（如：用成組的Wilcoxon秩和檢驗(yàn)，但用Bonferroni方法校正P值等）進(jìn)行兩兩比較。

　　二、分類資料的統(tǒng)計(jì)分析

　　1單樣本資料與總體比較

　　1.1二分類資料：

　　(1)小樣本時(shí)：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn)；

　　(2)大樣本時(shí)：用U檢驗(yàn)。

　　1.2多分類資料：用Pearson c2檢驗(yàn)（又稱擬合優(yōu)度檢驗(yàn)）。

　　2 四格表資料

　　2.1 n>40并且所以理論數(shù)大于5，則用Pearson c2。

　　2.2 n>40并且所以理論數(shù)大于1并且至少存在一個(gè)理論數(shù)<5，則用校正 c2或用Fisher’s 確切概率法檢驗(yàn)。

　　2.3 n￡40或存在理論數(shù)<1，則用Fisher’s 檢驗(yàn)。

　　三、兩個(gè)變量之間的關(guān)聯(lián)性分析

　　1 兩個(gè)變量均為連續(xù)型變量

　　1.1 小樣本并且兩個(gè)變量服從雙正態(tài)分布，則用Pearson相關(guān)系數(shù)做統(tǒng)計(jì)分析。

　　1.2 大樣本或兩個(gè)變量不服從雙正態(tài)分布，則用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析。

　　2 兩個(gè)變量均為有序分類變量，可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析。

　　3 一個(gè)變量為有序分類變量，另一個(gè)變量為連續(xù)型變量，可以用Spearman相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)分析。

　　四、回歸分析

　　1 直線回歸：如果回歸分析中的殘差服從正態(tài)分布（大樣本時(shí)無需正態(tài)性），殘差與自變量無趨勢變化，則直線回歸（單個(gè)自變量的線性回歸，稱為簡單回歸），否則應(yīng)作適當(dāng)?shù)淖儞Q，使其滿足上述條件。

　　2 多重線性回歸：應(yīng)變量（Y）為連續(xù)型變量（即計(jì)量資料），自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。如果回歸分析中的殘差服從正態(tài)分布（大樣本時(shí)無需正態(tài)性），殘差與自變量無趨勢變化，可以作多重線性回歸。

　　2.1觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素

　　2.2實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿?混雜因素變量，以校正這些混雜因素對結(jié)果的混雜作用

　　3 二分類的Logistic回歸：應(yīng)變量為二分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。

　　3.1 非配對的情況：用非條件Logistic回歸

　　(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素。

　　(2)實(shí)驗(yàn)性研究：在保持主要研究因素變量（干預(yù)變量）外，可以適當(dāng)?shù)匾胍恍┢渌赡艿幕祀s因素變量，以校正這些混雜因素對結(jié)果的混雜作用。

　　3.2配對的情況：用條件Logistic回歸

　　(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素。

　　4 有序多分類有序的Logistic回歸：應(yīng)變量為有序多分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。

　　(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素。

　　5 無序多分類有序的Logistic回歸：應(yīng)變量為無序多分類變量，自變量（X1，X2，…，Xp）可以為連續(xù)型變量、有序分類變量或二分類變量。

　　(1)觀察性研究：可以用逐步線性回歸尋找（擬）主要的影響因素。