统计方法在科技论文写作中的正确应用.doc

转帖统计方法在科技论文写作中的正确应用 无重复作者: hailang_zj 发布日期: 2008-09-08观察与实验是医学科学研究与发展的重要方法。观察是在自然发生的条件下去考察事物的发展变化;实验是根据研究目的在人为条件下进行的观察,为了达到符合客观的预期效果,两者都需要以数理统计计算所得的概率()值作科学结论,这一点是众所周知、不容质疑的。因此,在论文稿件中,统计方法应用的正确与否至关重要。此外,在医院管理方面或审稿过程中,也需要掌握一些数理统计方法,以便考察稿件中的结论的科学性和正确性。这是写作的启示。 但是,由于统计方法的应用是依据观察与实验所取样本资料的性质、目的和数量来确定的,故比较细致和复杂,一篇短文不可能一一详述,只能择要作个简介来抛砖引玉。一、 描述统计应用描述统计是数理统计的初级阶段。它只反映所收集数据的某些现象的内容做出的统计加工。医学科学论文中常用的描述统计主要有:平均数和变异程度与比和率两类。（一）平均数和变异程度应用:平均数是描述一组计量资料的集中趋势,也称平均水平。在应用中应根据资料的分布特点选择适当的平均数计算方法。见表1:表1资料分布与平均数名称资料分布 平均数名称正态分布(对称分布)算术均数正偏态分布,经数据转变成对数值 几何平均数后呈近似正态分布资料一端开口,分布不明确(正态资料也可用) 中位数(观察值由小到大排列后处于中间位 置的值) 一组计量资料除描述集中趋势外,还应说明其变异程度,也称离散趋势。只有将平均数及变异程度结合才能全面了解资料的分布情况及特点。最常用的变异指标有:方差、标准差和变异系数等。方差常被用做平均水平与离散程度的综合分析,即方差越大,说明个体变异越大,则平均数的代表性就越差;反之,方差越小,说明个体变异越小,则平均数的代表性就越好。标准差是描述变量值与样本均数间的离散程度的指标。当两组资料均数相近,计量单位相同的条件下,标准差大,说明观察值的变异程度大,因而均数的代表性差;反之,标准差小,说明观察值变异程度小,均数的代表性好。变异系数是描述标准差与平均数间的比值,常用百分数表示。由于它是个百分比,不具有计量单位,因而有便于比较分析的优点。例如:比较身高与体重两组资料的变异程度等。(二)比和率的应用:比和率虽然都是由两个相互关联的统计量的比值来表示,但比和率是不同质的两个指标,绝对不能混淆应用范围。我们在审稿中常见到有比、率不分的乱用现象。1.比:含构成比和相对比两种。构成比:是说明某一事物内部各构成部分所占的比重。它又称构成指标。构成比的和应该=100%。相对比:也叫相对指标,是指两个有关联数值之比,说明两数值的对比水平。2.率:又称频率指标。它用以说明某现象发生的频率或强度。常以百分率(%)、千分率()、10万分率(1/10万)来表示。3.应用比和率应注意的问题:计算比或率时分母不能太小。例如:某病患者5例,死亡2例,病死率=40%就不妥,宜用2/5表示。分析时不能以构成比代表率作结论。特别值得提出的是:在应用于医院管理时,不能把构成比的动态变化替率(强度)的动态分析。作资料对比应注意资料的可比性。没有可比性的资料,硬放在一起作相对是不科学的。二、 推断统计应用推断统计是以概率论为基础,把数理解析过程作为主要内容的统计方法。医学科学研究的总体数值往往是未知的无限总体(如全国高血压患者舒张压平均值),只能用样本信息来推断总体理论值。因此,在应用时要注意样本的抽取方法、样本量的大小、样本的可靠程度(代表性)、分析方法是否恰当、以及进行假设检验等,都是推断统计应用需要注意的问题。医学科学资料的性质大体上可分为计量资料、计数资料和等级资料3类。不同类型资料采用不同的推断统计分析方法。可谓“因材施法”。分述如下。(一)计量资料分析方法:计量资料是对每个观察单位用定量方法测定其某项指标的数值大小所得的数据资料。一般用度量衡单位表示,如身高(cm)、体重(kg)、浓度(mg/l)等。常用的统计方法有检验、检验、检验和方差分析等。前3种检验方法仅用于计量资料的两组均数比较。两组以上(多组)均值比较则使用方差分析(检验)。分述见表2。1.检验的两组均数比较见表2。2.多组均数比:方差分析(F检验)是检验多组均数间的差异有无显著意义的统计方法。常用的方差分析法有:单因素方差分析、无重复双因素方差分析、有重复双因素方差分析、多因素方差分析的两两比较和协方差分析等。具体应用范围见表3。表2 两组均数比较的检验方法检验方法 应用范围 检验的样本均数与总体均数比较推断样本所代表的理论总体均数与已知总体均数0是否相等如1)流行病学某一地区发病率是否高于一般地区。(2)医院管理中某部门(某人)工作质量是否与全院总体质量相似。 检验的配对资料比较 (1)同一受试对象处理前后的比较。如:观察用药前后某指征的比较。(2)两组受试对象分别给予两种处理,判断处理效果有无差异。如:动物配对实验研究。(3)同一组对象用两种方法测定比较。如:用两种方法测定某项数值作比较。 检验的两个小样本均数比较 判断两组独立样本(含量100)所代表的总体均数1与2是否相等(方差齐性即两组均数所代表的总体方差相等)如:某地某病指标值与该地健康人群指标值有无差异。 检验 样本含量100的两个大样本均数比较。 表3多组均数比较的应用范围 检验方法 应用范围 单因素多个出样本均数比较 只根据一个观察因素,将实验对象按随机设计分成若干处理组,分别求出 各组的均数,即单因素多个样本均数。比较的目的是推断组间处理效果有无显著差异。 无重复双因素多个样本均数比较 当影响某一指标的因素不只一个,而观察目的只是要反映其中一个因素的作用,就可用包含这两个因素都在内的双因素分析。如双因素组合, 只有一个数据即为无重复。 有重复双因素多个样本均数比较是配对资料的延伸,只不过是按每3个、4个或更多个配起来形成配伍 组合,数据分析时间需同时考虑两个因素的效果。例如用、两种药物治疗一组患者,每一患者就有、两药效果的重复。 多因素方差 分析的两两比较 经过方差分析,若说明各处理组间总均数有显著性差异,则需要进一步 说明哪两个总体均数间有显著性差异,哪两个总体均数间没有显著差 异,则需要利用方差分析提供的信息做样本均数间的两两比较,以求更深一步说明结论。 协方差分析 用来消除混杂因素对分析指标的影响,减少误差以提高比较结果的精 确度。例如研究男性篮球运动员与男性大学生的平均肺活量的分析, 由于肺活量随身高的增大而增大,就要剔除身高的影响(把身高看作是混杂因素,需作校正)。 (二)计数资料分析:计数资料是先将观察单位按性质或类别进行分组,所得数据即为计数资料。例如观察患者按性别分组,男名,女名。计数资料常用的假设检验方法是2检验,它是一种用途较广的方法。它可用于检验两个和两个以上的计数资料(比或率),从而推断两组及两组以上相对数有无显著差异。应用范围见表4。表4 2检验的分类与应用2检验的类别 适用范围 行列表法 频数表多行多列的多组相对数比较 行列表法的分割 多行多列的资料有显著性差异后,进一步做两两比较 四格表法 两组分两类的资料。如实验组、对照组的治愈率和未愈率比较 四格表较正法 当140的资料,需计算校正2值 四格表确切概率法 理论值1,或样本含量40的资料。亦称精确度检验 四格表配对分析 观测对象是一个,但观测方法不同,或有意配成对子观测 (三)等级分组资料:等级分组资料,是界于计量和计数之间的半定量资料,它不依赖于总体分布的具体形式,应用时可以不考虑被研究对象的分布是否已知。例如:疾病治疗转归的痊愈、显效、好转、无效或生化检验的-、+、+、+或管理评价的优、良、中、差等。这种等级分组的间距往往是不相等的。这类资料大多属于偏态分布和不明分布,其方差也明显不齐又无法交换。因此,等级分组资料需用非参数法的秩和检验。医院管理资料可使用游程检验和Ridit分析等做比较。1.秩和检验:所谓秩和检验,简言之就是依数据资料从小到大排出秩次后的秩次合计值。秩和检验有以下几种,见表5。表5 秩和检验的分类与应用秩和检验分类 应用范围 配对比较资料 两组实验对象随机配成对子,检验两种处理结果。或一组受试对象的处理前后的比较。 两样本比较资料 检验两独立组资料有无显著差异 多组样本比较资料 利用多个样本资料作秩和检验,用来推断各样本资料所代表的总体分布位置是否不同。类似于前述单因素方差分析 多组样本间的 两两比较如多组样本资料经秩和检验,被推断为各样本所代表的总体分布位置不相同时,应该进一步作两两比较,以确定哪两组总体分布位置不同。以增强结论的科学性 2.游程检验:游程检验是分析单组动态数列(时序数列)的升降或周期性两组趋势的统计方法。所谓游程,是在依时间或其它顺序排列的有序资料中,具有相同的事件或符号的连续部分作为一个游程。在一个游程中,事件或符号的个数称为游程的长度。游程检验多用于判断某病的病死率、发病率等的变化是否随机。也多用于医院管理中某事件的发生、发展趋势的分析。其类别及用途见表6。表6 游程检验的分类与应用游程检验分类 应用范围 游程个数检验 根据样本序列中1、2、,与游程个数的大小来推断两类事件的发生过程是否随机的方法。 游程长度检验 根据样本含量及序列中最长游程的长度,来推断两类事件的发生过程是否随机的方法。 升降趋势检验 在一组时序数列中,若后面的数值倾向于增大,可说有上升趋势;若后面的数值倾向于减小,则可说有下降趋势,经检验后作结论。 游程周期检验 一般应用于较长时间的时序数列检验。依据游程的个数和长度,经检验有无周期性或周期性发生在哪个时间段内。 3.Ridit分析法: Ridit分析法在临床医学和医院管理领域中有较广的用途。如等级分组资料比较,既能说明有无显著性差异,又能判别优劣和排出名次,这是它的最大优点。这一统计方法不仅等级资料可用,也适用于测量的计量资料,例如:用于生化检验的血清滴度1:320等数据不明朗的资料比较。(四)回归与相关:在医院管理研究与临床医学实践中,有许多现象或事物间存在着相互关联、相互依存与制约的关系。例如:医疗资源投入与产生,科研成果与人才成长,由一个变量预测另一个变量;患者年龄与血压,药物剂量与动物死亡率,等等。这些两组或多组变量间的关系,往往是由于某种原因必然引起某种结果。在探讨这种类似因果关系时,必然显示出统计量的关系,即可利用统计关系作为研究的手段。1.回归分析:回归关系是比例关系。直线回归系数的含义是:当变量增加1个单位时,另一个变量平均递增个单位;如果是“-”,则表示当增加1个单位时,平均递增-个单位(或曰递减个单位)。简言之是由某变量的指定数值,推算另一个随机变量。其具体分类和用途见表7。表7 回归分析的种类与应用回归分类 应用范围 直线回归分析 主要是处理两组变量间的线性依存关系的统计方法。如儿科用药是依据体重计算投药剂量的。推算公式:体重(kg)=8+2,式中=年龄。 多元回归分析 用来研究一个因变量()与多个自变量()间的相互依存关系。在临床医学上应用较广。 多元逐步回归分析 是从为数众多的自变量()中筛选出对因变量()有显著差异者,进行因素分析。如病因分析、疗效影响分析等。 曲线回归分析 有时双变量间不是线性关系。例如一种新的治疗方法问世,治疗例次有限,随着逐步推广被认可,应用度提高,但普及后数量逐渐稳定。新药投入市场的规律也类似。这类资料宜用曲线回归分析法。 Logistic回归分析 用于因变量为二项分布的互斥资料,即成功与失败两种可能的资料。如生存与死亡,治愈与未愈等。 Cox回归分析 多用于癌症病人手术后的生存期观察分析。因为它是以顺序统计量为基础,对生存时间的分布形式没有假定,因而比较灵活,适应性强。 2.相关分析:相关分析是研究双变量(或多变量)间的相关的性质和密切程度的统计方法。种类与应用见表8。表8 相关分析的种类与用途相关分析种类 应用范围 直线相关 适用于两变量服从二元正态分布资料。当自变量由小到大,因变量也相应由小到大(或由大到小),两变量的散点图呈直线,说明这两变量间有直线关系。关系密切程度由相关系数值的大小来决定。 等级相关(亦称秩相关) 这是一种非参数统计方法。适用资料如下:两变